FLOWR: Nuevo método de generación de ligandos con flujo y estructura
FLOWR: nueva técnica de generación de ligandos con flujo matching. Hasta 70 veces más rápido, preciso y adaptable a fragmentos. Ideal para diseño de fármacos.
#interacciones
Hacia un modelo fundacional de física
Descubre GPhyT, el primer modelo fundacional de física que aprende dinámicas complejas sin ecuaciones, superando a arquitecturas especializadas en múltiples dominios.
Investigando y mitigando la amplificación del daño en interacciones con LLM
Descubre cómo el nuevo benchmark HarmAmp analiza la amplificación del daño en interacciones con LLM y cómo TrajSafe lo mitiga de forma proactiva.
Método corrige localización de circuitos con retropropagación consciente
Aprende cómo GIM, un nuevo método de retropropagación, mejora la localización de circuitos en modelos de lenguaje al tener en cuenta interacciones.
PliableBVS: Método bayesiano flexible para interacciones con modificadores
Descubre PliableBVS: método bayesiano flexible para seleccionar variables en interacciones, reduciendo falsos positivos y mejorando predicción.
Valores Shapley e interacciones con redes de tensores
Descubre TN-SHAP, un método que acelera valores Shapley e interacciones usando redes de tensores, reduciendo la complejidad exponencial a polinomial.
Flowers: un motor warp para solucionadores neuronales de PDE
Flowers: arquitectura neuronal con warps multihead. Sin Fourier ni atención, logra interacciones globales a costo lineal. Supera a modelos mucho más grandes.
CryoProt: Preentrenamiento de proteínas con interacciones en crio-EM
CryoProt revoluciona el análisis de proteínas con IA: modela interacciones entre cajas en mapas crio-EM para predicciones precisas. Mejora hasta un 12%.
RL continuo seguro con interacción limitada en tratamientos médicos dinámicos
Un nuevo marco de RL continuo seguro optimiza el momento de las interacciones clínicas y garantiza seguridad en toda la trayectoria. ¡Lee el artículo!
Gráficos de Toro para Análisis de Fase Neural a Gran Escala
Descubre cómo los gráficos de toro (TG) analizan fase neural a gran escala con nuevas extensiones HMM y auto-regresivas para EEG y LFP.
Comparativa de MLLMs en generación de código para webs interactivas
WebIGBench evalúa MLLMs en generar código de páginas web con interacciones complejas. Descubre los resultados y límites actuales. ¡Lee más!
TN-SHAP-G: Red tensorial para Shapley en gráficos
Descubre TN-SHAP-G: calcula valores Shapley en gráficos usando redes de tensores, sin Monte Carlo. Explicabilidad eficiente para modelos complejos.
Propagación adaptativa guiada por estructura para PPIS
Conoce el innovador modelo SGAP-PPIS que predice sitios de interacción proteína-proteína usando propagación adaptativa.
Interacciones estructuradas mejoran coordinación distribuida más que escalado
Descubre cómo reestructurar la comunicación entre robots mejora un 47% el rendimiento, frente al 9% de escalar modelos. Estudio con 10 robots reales.
EUDAIMONIA: Evaluando dinámicas indeseables en IA
Descubre EUDAIMONIA, el benchmark que revela cómo los LLMs más avanzados fallan en dinámicas sociales. ¿Protegen tu bienestar? Entra y conoce los resultados.
Más allá de modelos aditivos: separabilidad e interpretabilidad
Descubre Tensor Separation Learning, método de regresión que supera modelos aditivos (GAMs, SHAP) ofreciendo visualizaciones fieles sin cancelación de señales.
OddSHAP: El estimador impar de Shapley
OddSHAP revoluciona la estimación de valores Shapley. Al aislar el componente impar, logra una precisión superior en atribución de ML. Descubre el nuevo benchmark.
ImmersiveTTS: Texto a Voz Consciente del Entorno con Difusión Multimodal
ImmersiveTTS genera voz natural integrada en entornos reales, superando en naturalidad e inteligibilidad a otros modelos. Conoce cómo logra la alineación semántica con difusión multimodal.
D^3: Programación de datos con grafos direccionales dinámicos para LLMs
Descubre cómo D^3 optimiza el orden de entrenamiento de modelos de lenguaje usando grafos direccionales dinámicos, mejorando eficiencia y rendimiento.
Un marco de aprendizaje contrastivo de triple modalidad con características de secuencia, grafo y 3D para la predicción de interacciones fármaco-diana
<meta name=description content=Marco contrastivo triple modalidad para predicción de interacciones fármaco-diana. Descubre este enfoque innovador que mejora la precisión en el descubrimiento de fármacos.>