Modelli specializzati più piccoli e dati sintetici stanno facendo avanzare l'AI biomedica e fisica. Tossicità clinica, retrosintesi, ricostruzione cellulare 3D e casi limite dell'AI fisica mostrano una spinta verso sistemi spiegabili e consapevoli del dominio.
Un modello multimodale da 0,4 milioni di parametri combina transformer SMILES e grafi GATv2 via cross-attention, ottenendo su ClinTox AUC-ROC 0,987 e F1 0,906. La variante con backbone ChemBERTa-2 su Tox21 raggiunge AUC-ROC medio 0,750, paragonabile ...
La startup ungherese DiffuseDrive genera dati sintetici per addestrare sistemi di AI fisica in difesa, mining, aerospace e veicoli autonomi. La piattaforma individua i casi limite assenti nei dataset, li produce controllando posizione e dimensione de...
Un framework a supervisione di popolazione collega immagini 2D di globuli rossi a quantità biofisiche latenti, aggregandole in volume corpuscolare medio, ampiezza di distribuzione eritrocitaria ed emoglobina corpuscolare media. Combina inference loca...
Uno studio con esperimenti a parità di token mostra che i dati didattici e quelli clinici influenzano in modo asimmetrico i Large Language Models medici: i dati clinici migliorano i task orientati alla clinica e restano competitivi su quelli di conos...
Microsoft Research pubblica su Nature un framework che combina un modello Transformer e una graph neural network. Il ranking appreso riduce le proposte non vincolate e supera i modelli precedenti nei test con chimici. Codice e pesi sono open source.
