Radical AI ha acelerado el descubrimiento de materiales al producir y caracterizar 1.200 aleaciones en seis meses, casi 10 veces más rápido que el objetivo de DARPA/GE MACH de 500 aleaciones en un año. Sus laboratorios autónomos utilizan científicos de IA para generar y probar hipótesis en sistemas de bucle cerrado, lo que ha llevado a 300 nuevos materiales, con 10 exhibiendo propiedades novedosas y de vanguardia que ahora se están desarrollando para uso comercial.
media
Latent Space
·
hace 79 d
·
agents
Radical AI logra una aceleración de 10x en el descubrimiento de materiales
Traducido del English → Español
Artículos relacionados
arxiv
arXiv cs.AI
·
hace 78 d
DataMagic convierte datos tabulares en videos interactivos de insights
DataMagic transforma datos tabulares crudos y consultas en lenguaje natural en videos narrativos de insights de datos. Utiliza DVSpec para garantizar la fidelidad de los datos vinculando elementos visuales a campos de datos mediante referencias semánticas, y emplea una arquitectura multiagente para generar y orquestar escenas de video coherentes. El sistema admite exploración interactiva y preguntas-respuestas basadas en procedencia de datos, permitiendo a los usuarios interactuar con los datos más allá de vistas estáticas.
arxiv
arXiv cs.AI
·
hace 78 d
Enfoque DTL novedoso para diagnóstico de fallos con escasez de datos
Un nuevo método de aprendizaje profundo por transferencia aprovecha las no linealidades de los sistemas para generar datos de diagnóstico en condiciones de extrema escasez de datos. Este enfoque utiliza un procedimiento de multiexcitación periódica y una técnica novedosa de visualización de datos para aumentar los datos de vibración limitados, permitiendo un diagnóstico eficaz de fallos mediante CNNs preentrenadas. Los resultados experimentales en un pantógrafo ferroviario validan la efectividad del método.
arxiv
arXiv cs.CL
·
hace 78 d
·
3 vistas
TerraMARS: Pipeline de modelo de lenguaje pequeño para literatura sobre terraformación de Marte
TerraMARS es un pipeline de extremo a extremo que utiliza un modelo de lenguaje pequeño adaptado al dominio para extraer información estructurada de la literatura científica sobre Marte. Convierte texto no estructurado en formato JSON y soporta preguntas y respuestas relacionadas con la terraformación de Marte, permitiendo su integración en modelos de habitabilidad y aplicaciones de gemelo digital. El pipeline utiliza Google Gemma 3 1B ajustado finamente con QLoRA en conjuntos de datos específicos de Marte, aunque se necesita más trabajo para mejorar la precisión y la consistencia factual.
arxiv
arXiv cs.CL
·
hace 79 d
·
2 vistas
La receta de datos mejora el razonamiento de contexto largo en LLMs
Un enfoque centrado en los datos mejora el razonamiento de contexto largo en modelos de lenguaje grandes, utilizando ocho conjuntos de datos curados con 14K ejemplos en tareas de recuperación, síntesis multi-evidencia y razonamiento. Al combinarse con entrenamiento GRPO basado mínimamente en resultados, logra ganancias promedio de +7.2 a +6.4 puntos en siete benchmarks, superando los conjuntos de entrenamiento RL previos, y mejora el rendimiento agénico en +4.8 y +7.0 puntos en GAIA y BrowseComp respectivamente.
arxiv
arXiv cs.AI
·
hace 79 d
La receta de datos mejora el razonamiento de contexto largo en LLMs
Un enfoque centrado en los datos mejora el razonamiento de contexto largo en modelos de lenguaje grandes, utilizando ocho conjuntos de datos curados con 14K ejemplos en tareas de recuperación, síntesis multi-evidencia y razonamiento. Al combinarse con entrenamiento GRPO basado mínimamente en resultados, logra ganancias promedio de +7.2 a +6.4 puntos en siete benchmarks, superando conjuntos de entrenamiento RL previos, y mejora el rendimiento agénico en +4.8 y +7.0 puntos en GAIA y BrowseComp respectivamente.