Небольшая подборка ИИ-новостей🤖 ✨Hyena - это новый подход к разработке искусственного интеллекта, предложенный исследователями из Стэнфордского университета и института ИИ MILA. Он представляет собой альтернативу существующим моделям, таким как GPT-4, которые используют трансформеры и механизмы "внимания" для обработки данных. Главное отличие Hyena от GPT-4 заключается в его архитектуре. Вместо использования механизма внимания Hyena применяет подквадратичный подход, основанный на сверточных слоях. Это позволяет значительно снизить вычислительную сложность и потребление памяти, что делает его более эффективным в обработке огромных объемов данных. В экспериментах, проведенных исследователями, Hyena продемонстрировала сопоставимую точность с GPT-4 в различных задачах, таких как ответы на вопросы и другие языковые задачи. Однако Hyena требует значительно меньше вычислительной мощности, что может позволить обрабатывать тексты, вызывающие переполнение памяти и сбои в других технологиях. Hyena предлагает эффективное решение для работы с длинными последовательностями, сокращая затраты на обучение на 20%. Это позволяет исследователям обучать модели на больших объемах данных, расширяя возможности для прогресса в области искусственного интеллекта🌐 Github проекта ✨Компании Moderna и IBM объединяют свои усилия для разработки мРНК с использованием искусственного интеллекта и квантовых вычислений. Цель партнерства – улучшение дизайна продукта, ускорение исследований мРНК и оптимизация липидных наночастиц с помощью модели ИИ MoLFormer. IBM предоставит Moderna доступ к своим системам квантовых вычислений для совместных исследований. В последние годы мРНК стала основой для разработки новых лекарств и вакцин, таких как вакцины против COVID-19 от Pfizer-BioNTech и Moderna. Исследования в области мРНК открывают новые возможности для разработки терапий, направленных на борьбу с различными заболеваниями и состояниями🧬 ✨Исследователи из MIT, MIT-IBM Watson AI Lab и Тафтского университета разработали алгоритмы машинного обучения, которые могут создавать новые белки с определенными структурными особенностями. Это позволит создавать материалы с нужными механическими свойствами, такими как жесткость или эластичность. Биоинспирированные материалы могут стать альтернативой продуктам на основе нефти или керамики, сокращая углеродный след. Исследователи адаптировали генеративную модель, сходную с DALL-E 2, для предсказания последовательностей аминокислот белков с определенными структурными целями. В статье, опубликованной сегодня в Chem, исследователи демонстрируют, как эти модели могут создавать реалистичные и новые белки. Эти модели, которые изучают биохимические взаимосвязи, контролирующие формирование белков, могут производить новые белки, которые могут обеспечить уникальные возможности использования. Например, такой инструмент может быть использован для разработки пищевых покрытий на основе белка, которые могут сохранять продукты свежими дольше и быть безопасными для потребления человеком. Модели могут создать миллионы белков за несколько дней, быстро предоставляя ученым портфель новых идей для изучения🤓