машинного обучения

Машинное обучение предсказывает эффективность противораковых лекарств

В свете этого исследовательская группа во главе с профессором Сангуком Кимом из отдела наук о жизни POSTECH привлекает внимание, успешно повышая точность прогнозов реакции на противораковые препараты, используя данные, наиболее близкие к реакции реального человека. Команда разработала эту технику машинного обучения с помощью алгоритмов, которые изучают транскриптомную информацию из искусственных органоидов, полученных от реальных пациентов, а не от животных моделей. …

Машинное обучение предсказывает структуру и динамику наночастиц

Новые методы были применены к металлическим наночастицам, стабилизированным лигандом, которые долгое время изучались в Центре нанонауки Университета Ювяскюля. В прошлом году исследователи опубликовали метод, который позволяет успешно прогнозировать сайты связывания молекул стабилизирующего лиганда на поверхности наночастиц. …

Машинное обучение предлагает материалы для разделения, адсорбции и катализа

Используя данные о свойствах более 200 существующих MOF, платформа машинного обучения была обучена, чтобы помочь в разработке новых материалов путем прогнозирования часто важного свойства: устойчивости воды. Используя руководство модели, исследователи могут избежать трудоемкой задачи синтеза, а затем экспериментального тестирования новых кандидатов MOF на их водную стабильность. …

Ученые-компьютерщики впервые показали, что детекторы дипфейков можно победить

Исследователи показали, что детекторы можно обойти, вставив входные данные, называемые состязательными примерами, в каждый видеокадр. Состязательные примеры – это слегка измененные входные данные, которые заставляют системы искусственного интеллекта, такие как модели машинного обучения, совершать ошибки. …

Искусственный интеллект классифицирует взрывы сверхновых с беспрецедентной точностью: новый алгоритм машинного обучения, обученный только на реальных данных, классифицировал более 2300 сверхновых с точностью более 80%

Обучив модель машинного обучения классифицировать сверхновые на основе их видимых характеристик, астрономы смогли классифицировать реальные данные Pan-STARRS1 Medium Deep Survey для 2315 сверхновых с точностью 82% без использования спектров.
Астрономы разработали программу, которая классифицирует различные типы сверхновых на основе их кривых блеска или того, как их яркость меняется с течением времени. …

Пластиковые машины