fuente: https://ai.epfl.ch/an-ai-capable-of-doubt-can-optimize-scientific-discovery/
Un equipo de la EPFL ha desarrollado un marco que entrena modelos de lenguaje a gran escala para crear sistemas de IA capaces de encontrar la configuración óptima o "receta" para un experimento científico.
Las herramientas computacionales modernas permiten a los científicos explorar un gran número de moléculas, materiales y reacciones químicas posibles. Sin embargo, probar todas las combinaciones en el laboratorio es lento y costoso. Entonces, ¿cómo eligen los investigadores la mejor "receta" para su experimento?
Un método llamado "optimización bayesiana" aprende de resultados previos, predice qué opciones parecen prometedoras y estima el grado de incertidumbre de dichas predicciones. Esto permite a los investigadores centrar sus próximos experimentos en las opciones más útiles para probar y evitar desperdiciar tiempo y dinero en posibilidades menos prometedoras.
En julio, Oracle corrigió 11 vulnerabilidades en el componente WebLogic Server Core. La mayoría permitían el control total de Oracle WebLogic Server. La vulnera...
Leer artículo →Atacantes del grupo ByteToBreach borraron la base de datos del Registro de la Propiedad de Rumanía tras un intento de extorsión fallido, paralizando el mercado...
Leer artículo →Zimbra lanzó Collaboration Suite 10.1.20 el 20 de julio de 2026. Esta actualización corrige varias vulnerabilidades de Zimbra, incluyendo una falla crítica de i...
Leer artículo →