الأخبار

اقترح فريق بحثي من معهد ماساتشوستس للتكنولوجيا نموذجًا أساسيًا للتعلم الآلي، يُدعى DefectNet، قادرًا على التنبؤ مباشرةً بالأنواع الكيميائية وتركيزات عيوب النقاط الناتجة عن الاستبدال من الأطياف الاهتزازية، حتى في حالة وجود عناصر متعددة متعايشة. يُظهر النموذج قدرة تعميم جيدة في بلورات غير مرئية تحتوي على 56 عنصرًا، ويمكن ضبطه بدقة باستخدام البيانات التجريبية.

قامت جامعة هوا تشونغ للعلوم والتكنولوجيا ومختبر شياوهونغشو هي بشكل مشترك بفتح مصدر أداة تحليل المستندات متعددة الوسائط dots.mocr، والتي تتجاوز قيود التعرف الضوئي على الأحرف التقليدي وتحقق معالجة هيكلية موحدة للنصوص والرسوم البيانية والجداول والعناصر الأخرى في المستندات المعقدة، وتدعم تحويل رمز SVG.

اقترح فريق بحثي من جامعة وارويك نظام RAVEN، وهو عملية فرز وتقييم مبتكرة لمرشحي مهمة TESS. يُدخل هذا النظام مجموعة بيانات تدريبية اصطناعية، متجاوزًا الاعتماد فقط على بيانات تجاوز الحدود (TCE) الناتجة عن المهمة نفسها. يُوسّع هذا التحسين بشكل ملحوظ نطاق معلمات سيناريوهات الكواكب والنتائج الإيجابية الخاطئة التي يغطيها نموذج التعلم الآلي، ويُحسّنه. على مجموعة اختبار خارجية مستقلة تضم 1361 مرشحًا مُصنّفًا مسبقًا لمهمة TESS، حقق النظام دقة إجمالية بلغت 91%، مما يُثبت فعاليته في الترتيب التلقائي لمرشحي TESS.

اقترح فريق بحثي من معهد ماساتشوستس للتكنولوجيا وجامعة كارنيجي ميلون نموذج VibeGen، وهو نموذج ذكي لتوليد البروتينات، يُمكّن من تصميم البروتينات من الصفر من خلال الجمع بين توليد التسلسل والتنبؤ بالديناميكيات الاهتزازية. تُظهر النتائج أن البروتينات المصممة بواسطة هذا النموذج لا تقتصر على تكوين هياكل مستقرة وجديدة فحسب، بل تُعيد إنتاج خصائص توزيع سعات الاهتزاز المستهدفة على مستوى السلسلة الرئيسية.

قامت HyperAI بتجميع مجموعة من مجموعات بيانات الاستدلال عالية الجودة، والتي تغطي مجالات متعددة، واستدلال متعدد المهام، وبيانات تدريب الاستدلال الاصطناعي، ومعايير البحث العلمي، وبيانات الإجابة على الأسئلة واسعة النطاق، وتدعم تنزيل مجموعات البيانات أو استخدامها عبر الإنترنت.

اقترح باحثون في معهد ماساتشوستس للتكنولوجيا (MIT) طريقةً جديدةً تُسمى Wave-Former، تُتيح إعادة بناء ثلاثية الأبعاد عالية الدقة لأجسام يومية متنوعة محجوبة تمامًا. لا تقتصر هذه الطريقة على معالجة تحديات ارتفاع نسبة الإشارة إلى الضوضاء والحجب الشديد، بل تُحقق أيضًا إعادة بناء عالية الدقة في بيئات العالم الحقيقي بالاعتماد على تدريب البيانات الاصطناعية من خلال إطار تدريب مبتكر للإدراك الفيزيائي. وبالمقارنة المباشرة مع أحدث الطرق الأساسية، تُحسّن Wave-Former معدل الاستدعاء من 541 TP3T إلى 721 TP3T مع الحفاظ على دقة عالية تبلغ 851 TP3T.

في مؤتمر GTC 2026، أطلقت NVIDIA ثلاثة مشاريع مفتوحة المصدر: NVIDIA Isaac GR00T وKimodo وSOMA-X. تعالج هذه المشاريع المشكلة نفسها من ثلاثة مستويات: اتخاذ القرار، والتوليد، والتمثيل - أي كيفية تمكين الآلات من أداء مهام معقدة بشكل أكثر سلاسة وكفاءة. كما أطلقت NVIDIA أيضًا FDFO، وهي طريقة تدريب لنماذج الانتشار، توفر دعمًا أساسيًا لهذه القدرات من منظور تحسين النماذج التوليدية.

طوّر فريق بحثي من جامعة مينيسوتا توين سيتيز نموذجًا مبتكرًا للتعلم الآلي قائمًا على المعرفة، مستوحى هيكله الخوارزمي مباشرةً من علم المياه، ويُطلق عليه اسم الشبكة العصبية الهرمية المُعَلَّمة (FHNN). تُظهر الدراسة أنه على مدى زمني يتراوح بين يومين وسبعة أيام بعد إصدار التنبؤات، يُحقق النموذج أداءً مماثلاً أو حتى أفضل من تنبؤات الفيضانات الصادرة عن هيئة الأرصاد الجوية الوطنية، ويتفوق على أساليب التعلم الآلي السائدة التي لا تُدمج المعرفة العلمية الفيزيائية في هيكلها.

اقترح فريق بحثي مشترك من شركة NVIDIA وجامعة أكسفورد ومعهد كيبيك للذكاء الاصطناعي ومؤسسات أخرى إطار عمل Proteína-Complexa، الذي يهدف إلى سد الفجوة بين الأساليب التوليدية والوهمية. فهو يوحد النموذج التوليدي الأساسي وآلية تحسين وقت الاستدلال في نظام واحد، مما يتيح تصميمًا مثاليًا للرابطات من الصفر دون الحاجة إلى خطوات إضافية لإعادة تصميم التسلسل.

لمساعدة المطورين على تجربة إمكانيات OpenClaw في تطبيقات العالم الحقيقي، أطلقت HyperAI "🦞 OpenClaw: تشغيله باستخدام واجهة برمجة التطبيقات عبر Free-CPU" و "🦞 OpenClaw GPU Running Tutorial"، حيث دمجت OpenClaw في تطبيقات اجتماعية مختلفة لتحقيق مجموعة واسعة من المهام الآلية.

حظي مشروع مفتوح المصدر يُدعى "دورة ماجستير القانون" باهتمام واسع منذ إطلاقه، حيث نال 77 ألف نجمة حتى الآن. يُعيد هذا المشروع تنظيم المعرفة المتناثرة بين الأبحاث والمدونات وممارسات البرمجة في نظام تعليمي واضح ومنظم. وقد قامت شركة HyperAI بتحميل الجزء التجريبي من "دورة ماجستير القانون" (المُسمى "دفتر الملاحظات") إلى قسم "الدروس التعليمية"، مع تهيئة جميع بيئات التشغيل بالكامل وجاهزيتها للاستخدام الفوري.

أصدرت جوجل للأبحاث مجموعة بيانات الفيضانات مفتوحة المصدر "جراوند سورس"، التي تستخلص معلومات أرضية موثقة من بيانات غير منظمة لرسم خرائط آثار الكوارث التاريخية بدقة غير مسبوقة. وقد قام الباحثون بأتمتة معالجة أكثر من 5 ملايين تقرير إخباري من أكثر من 150 دولة، ليجمعوا في نهاية المطاف أكثر من 2.6 مليون سجل لأحداث الفيضانات التاريخية، مما يوفر نطاقًا وتغطية بيانات غير مسبوقين لأبحاث الفيضانات العالمية.

قدم جنسن هوانغ عرضاً حماسياً لمدة ساعتين في مؤتمر GTC 2026، حيث كشف عن سلسلة من المنتجات الجديدة والإنجازات في مجال المصادر المفتوحة.

اقترح فريق بحثي مشترك من جامعة كارنيجي ميلون، وجامعة فروتسواف في بولندا، وجامعة فلوريدا، طريقةً لتحسين الكمّ مدعومة بالذكاء الاصطناعي تُسمى AQuaRef. تعتمد هذه الطريقة على خوارزمية AIMNet2 للتعلم الآلي لوظائف الجهد الذري، وقد تم تدريبها خصيصًا لمهام التحسين. مع الحفاظ على كفاءة حساب مجال القوة شبه الكلاسيكية، يمكنها تقريب نتائج حسابات ميكانيكا الكمّ بدقة، مما يوفر مسارًا تقنيًا جديدًا لتحسين الكمّ الذري الكامل للجزيئات الحيوية.

قامت شركة HyperAl بتجميع سلسلة من الدروس التعليمية ومجموعات البيانات القيّمة للغاية والقابلة للتطبيق على نطاق واسع في الفترة من 9 مارس إلى 13 مارس، والتي تغطي مجالات متعددة مثل توليد الكلام، ومعالجة النصوص إلى صور، والنماذج واسعة النطاق.

اقترح فريق بحثي في جامعة ستانفورد نموذج Merlin، وهو أول نموذج لغة بصرية ثلاثي الأبعاد أصلي لفحوصات التصوير المقطعي المحوسب للبطن، إلى جانب مجموعة بيانات تحتوي على 25494 فحصًا متطابقًا للتصوير المقطعي المحوسب للبطن وتقارير الأشعة.

اقترحت الجامعة الصينية في هونغ كونغ، بالتعاون مع جامعة ماكاو للفنون التطبيقية، وجامعة تشجيانغ، ومستشفى شيانغيا الثاني التابع لجامعة وسط جنوب الصين، وجامعة العلوم والتكنولوجيا الإلكترونية في الصين، نموذجًا للدمج الانتقائي. وانطلاقًا من فهم أن "التغير الكيميائي هو اضطراب موضعي في الفضاء الدلالي البيولوجي"، صمموا إطارًا عامًا، Bi-TEAM، لإدخال التغير الكيميائي الموضعي في الخلفية البروتينية العامة.

أطلق قسم "الدروس التعليمية" في HyperAI دروسًا تعليمية عبر الإنترنت لتشغيل نماذج مفتوحة المصدر شائعة مثل Qwen وDeepSeek وGemma وLlama وGLM باستخدام وحدات معالجة مركزية مجانية. يُقدّم هذا القسم عملية نشر كاملة، بدءًا من إعداد البيئة وتنزيل النموذج وصولًا إلى الاستدلال والتنفيذ، مما يسمح للمستخدمين باكتساب خبرة كاملة في استدلال النموذج وإجراء اختبارات التطوير الأساسية دون الحاجة إلى نشر بيئة محلية معقدة.

اقترح باحثون من المعهد الفدرالي السويسري للتكنولوجيا في لوزان (EPFL) بنية نموذجية جديدة، تُسمى DYNAMI-CAL GraphNet، تضمن صراحةً حفظ الزخم الخطي والزخم الزاوي من خلال تضمين هذه القوانين مباشرةً في بنية النموذج. تُظهر النتائج التجريبية أن DYNAMI-CAL GraphNet يُوفر مزايا كبيرة في المجالات التي تتطلب نمذجة دقيقة وقابلة للتفسير وفي الوقت الفعلي للأنظمة الديناميكية المعقدة متعددة الأجسام، مثل الروبوتات وهندسة الطيران والفضاء وعلوم المواد.

لتحسين تجربة استخدام منتج HyperAI وقدراته الأساسية، نُعلن رسميًا عن إطلاق جولة جديدة من الاختبارات الداخلية. نأمل في دعوة مجموعة مختارة من المستخدمين الحقيقيين لتجربة إمكانيات المنصة والمساهمة في تحسين تفاصيل المنتج. 💻 إذا كنت بحاجة طويلة الأمد إلى منصات الحوسبة السحابية وقوة معالجة الرسومات، 🙋‍♀️ إذا كنت تمتلك خلفية تقنية [...]

يتوفر الآن برنامج "Qwen3-TTS: عرض توضيحي عالي الجودة لتوليف الكلام متعدد اللغات وقابل للتحكم" في قسم "الدروس التعليمية" على موقع HyperAI الإلكتروني (hyper.ai). جرّب الآن استنساخ الكلام في 3 ثوانٍ!

اقترح فريق بحثي من شركة Telecom Sud-Paris وجامعة Paris-Saclay في فرنسا إطار عمل للتعلم الآلي يدمج التعلم الجماعي مع تحليل SHAple Additive exPlanations (SHAP)، مما يوفر حلاً جديداً لتقييم خطر الوفاة لدى المرشحين لزراعة الكبد المصابين بسرطان الخلايا الكبدية.

قامت شركة HyperAl بتجميع سلسلة من الدروس التعليمية ومجموعات البيانات القيّمة للغاية والقابلة للتطبيق على نطاق واسع من الإصدارات 3.2 إلى 3.6، والتي تغطي مجالات متعددة مثل توليد الكلام، ومعالجة النصوص إلى صور، والنماذج واسعة النطاق.

اقترح فريق بحثي مشترك من معهد ماساتشوستس للتكنولوجيا والمعهد الفدرالي السويسري للتكنولوجيا في زيورخ إطارًا حاسوبيًا يُسمى أبولو، وهو عبارة عن مُشفِّر تلقائي يتعلم المساحات الكامنة المتداخلة جزئيًا من خلال تحسين المتغيرات الكامنة. ومن خلال نمذجة المعلومات المشتركة والمعلومات الخاصة بكل نمط بشكل صريح، يوفر أبولو مسارًا تقنيًا عمليًا لتحليل أكثر شمولًا ودقة لحالات الخلايا ومنطقها التنظيمي.

اقترح فريق بحثي من معهد ماساتشوستس للتكنولوجيا نموذجًا لغويًا قائمًا على التعلم العميق، يُدعى Pichia-CLM، لتحسين استخدام الكودونات في الخميرة الصناعية Pichia pastoris، بهدف زيادة إنتاج البروتينات المُعاد تركيبها. وقد تحقّق الباحثون تجريبيًا من صحة نموذج Pichia-CLM على ست فئات بروتينية متفاوتة التعقيد، ولاحظوا باستمرار زيادة في إنتاجية التعبير الجيني مقارنةً بأربع أدوات تجارية لتحسين استخدام الكودونات.

قامت شركة HyperAl بتجميع سلسلة من الدروس التعليمية ومجموعات البيانات القيّمة للغاية والقابلة للتطبيق على نطاق واسع في الفترة من 22 إلى 27 فبراير، والتي تغطي مجالات متعددة مثل التعرف الضوئي على الأحرف، والوسائط المتعددة، ونماذج اللغة الكبيرة.

قام فريق بحثي مشترك يضم جامعة هلسنكي في فنلندا، ومركز أبحاث تغير المناخ في البحر الأبيض المتوسط، وجامعة سالنتو في إيطاليا، بتطوير SeaCast، وهو نموذج شبكة عصبية بيانية مصمم خصيصًا للتنبؤات الإقليمية للمحيطات. بعد تدريبه، يستطيع هذا النموذج توليد تنبؤات لمدة 15 يومًا عبر 18 مستوى رأسيًا بدقة 1/24 درجة في غضون 20 ثانية فقط على وحدة معالجة رسومية واحدة، وهو أسرع بكثير من النماذج الأساسية التي تعمل على مجموعات وحدات المعالجة المركزية.

طوّر فريق بحثي من جامعة كورنيل إطار عمل قويًا وقابلًا للتفسير وفعالًا في استخدام البيانات، أطلق عليه اسم SCAN، لنمذجة وتفسير كيمياء المذيبات الملحية. يتعامل هذا الإطار بكفاءة مع البيانات ذات التوزيعات الطويلة، ويغطي كامل نطاق تركيبات المذيبات الملحية. طبّق الباحثون SCAN على أنظمة الإلكتروليتات غير المائية (NAE)، محققين خطأً أساسيًا قدره 0.372 ملي سيمنز/سم في توقع الموصلية، مما قلل خطأ التوقع بمقدار 65.31 TP³T مقارنةً بالنموذج الأساسي.

اقترح البروفيسور تزو يو سونغ من جامعة ميشيغان، آن أربور، بالتعاون مع وي ران جيانغ، نائب رئيس قسم البحث والتطوير في شركة فاراسيس للطاقة، طريقة مبتكرة للتعلم الآلي العلمي تسمى "التعلم الاستكشافي". مستوحاة من علم النفس التربوي، تدمج هذه الطريقة بشكل عضوي التعلم النشط والتعلم المقيد مادياً والتعلم بدون أمثلة لبناء إطار عمل للتعلم ذي الحلقة المغلقة يشبه الإنسان للاستدلال.

نظرة سريعة على أبرز الأبحاث الرائدة في مجال الذكاء الاصطناعي للعلوم في عام 2025.