Ein von Stanford Medicine geleitetes Team hat SIMCO vorgestellt, ein KI-gesteuertes Digital-Twin-System auf Einzelzellebene, das das mütterliche Immunsystem simuliert, um Medikamente zur Vorbeugung von Frühgeburten zu testen. Diese Methode könnte künftig in klinischen Studien eine personalisierte Therapieplanung für individuelle Fälle ermöglichen.
Dieses HyperAI-Update konzentriert sich auf GPU-Rankings und Papers, um die Modellauswahl und Bereitstellung direkter sowie die Suche nach und die praktische Umsetzung von Papers einfacher zu gestalten.
Ein Forschungsteam der Hebräischen Universität Jerusalem hat BBERT vorgestellt, ein Nukleotid-basiertes großes Sprachmodell, das für die Analyse kurzer Leseabschnitte optimiert ist. In Tests mit umfangreichen bodenbasierten Metagenom-Datensätzen entdeckten die Forscher, dass BBERT ohne Rückgriff auf Referenzdatenbanken die grammatikalischen Merkmale bakterieller Sequenzen identifizieren und direkt aus kurzen Leseabschnitten von nur 100 bp deren taxonomische Domänenzugehörigkeit, Kodierungspotenzial sowie Leserahmen präzise bestimmen kann.
Im Tutorial-Bereich der HyperAI-Website (hyper.ai) ist das Tutorial „FLUX 3 Image Klein: Text-zu-Bild und Bildbearbeitung“ verfügbar. Besuchen Sie die HyperAI-Website, um den gesamten Ablauf von der Ladung der distillierten Gewichte bis zum Start der WebUI nahtlos durchzuführen.
Forscher von Institutionen wie dem Massachusetts Institute of Technology, dem Korea Advanced Institute of Science and Technology in Ulsan, der University of Illinois at Urbana-Champaign und dem MIT-IBM Watson AI Lab haben das Contrastive Language-Crystal Model vorgeschlagen. Dieses Modell nutzt große Sprachmodelle, um synthetische Beschreibungen zu generieren, die auf Materialeigenschaften basieren, und bildet durch kontrastives Lernen Kristallstrukturen und natürliche Sprache in einen gemeinsamen Repräsentationsraum ab.
Das Institute for Protein Design der University of Washington, NVIDIA und weitere Institutionen haben gemeinsam RFD4-Proteina vorgestellt, das branchenweit erste einheitliche Modell zur gemeinsamen Generierung von Sequenz und Struktur, das auf latentem Raum-Schlussfolgern basiert und für mehrkomponentige Biomakromolekülkomplexe konzipiert ist.
Visuelle Sprachmodelle können bereits Bilder verstehen und Fragen beantworten. Doch für Aufgaben wie Produktkategorisierung, Inhaltsmoderation oder Coverauswahl benötigen Modelle oft nur eine klare Entscheidung anstelle einer langen Textgenerierung. Das von AutoTrust vorgestellte JEV-27B-VL basiert auf Qwen3.8-27B und ermöglicht durch eine Dual-System-Architektur das bedarfsgerechte Umschalten zwischen schneller Entscheidungsfindung und tiefgreifender推理. Es gibt direkt strukturierte Entscheidungen und kalibrierte Wahrscheinlichkeiten aus, um unnötige Generierungskosten zu reduzieren. HyperAI hat ein Online-Tutorial für dieses Modell veröffentlicht, das Sie durch das Laden des Modells, das Ausführen von Bildentscheidungen und die Nutzung der interaktiven WebUI führt.
Ein interdisziplinäres Forschungsteam aus dem Königlichen Institut für Technologie in Stockholm (Schweden), der Technischen Universität Dresden (Deutschland) und der Fondazione Human Technopole in Mailand (Italien) hat Deep-Learning-Methoden mit RESOLFT-Bildgebung kombiniert und zwei komplementäre berechnungsbasierte Bildgebungsstrategien entwickelt: das hierarchische DivNoising-Netzwerk (HDN) und den Fast-MoNaLISA-Framework zur Rekonstruktion dünn besetzter Abtastungen. Diese Ansätze dienen der Wiederherstellung von Bildern mit niedrigem Signal-Rausch-Verhältnis (SNR) oder unterabgetasteten Daten und erweitern die experimentellen Grenzen der RESOLFT-Bildgebung erheblich.
Ein Forschungsteam der University of Surrey im Vereinigten Königreich hat den ersten KI-basierten Workflow zur Erkennung von Tollwutvirusinfektionen in BHK-21-Zellkulturen und zur quantitativen Analyse der Antikörpertiter vorgestellt. Die Forscher nutzten drei fortschrittliche Deep-Learning-Architekturen – ResNet, Swin Transformer V2 und MambaOut – und trainierten diese mit einem großen Datensatz.
Ein Forschungsteam der Stanford University hat ein universelles Zell-Einbettungsmodell (universal cell embedding, UCE) als Basismodell vorgeschlagen, das ohne Feinabstimmung oder erneutes Training des Modells Repräsentationen für neue Einzelzell-Genexpressionsdatensätze erzeugt und dabei Robustheit gegenüber datensatzspezifischen und batchspezifischen Artefakten bewahrt.
Diese Woche umfassen die Aktualisierungen der hyper.ai-Website 5 öffentliche Datensätze, 8 ausgewählte Tutorials, 5 beliebte Enzyklopädie-Einträge und Top-Konferenzen mit Abgabefrist im Oktober, mit Schwerpunkt auf großen Modellen, verkörperter Intelligenz und multimodalen Spitzenfortschritten.
HyperAI-Tutorial-Bereich hat nun das praktische Tutorial „MiniCPM5-2B: Inferenz des SOTA-Modells auf Endgeräten mit 2B-Parametern" veröffentlicht, das Online-Erfahrung und Ein-Klick-Bereitstellung unterstützt~
Forschungsteams der Johns Hopkins University, NVIDIA, der University of California, Berkeley und anderer Institutionen haben EvoSafeHarness vorgeschlagen, das den Sicherheits-Harness selbst zum automatischen Optimierungsobjekt macht. Für verschiedene Modelle und Anwendungsbereiche durchsucht das System jeweils natürliche Sprachsicherheitsstrategien und ausführbare Codelogik und passt diese kontinuierlich anhand der tatsächlich aufgetretenen Fehler des Modells an.
Die kürzlich durchgeführten Wartungsarbeiten am Cluster von HyperAI sind nun abgeschlossen, und die entsprechenden Rechenressourcen werden nach und nach wieder für den regulären Betrieb bereitgestellt. Um eine Missbrauchsgefahr bei den kostenlosen Ressourcen zu minimieren und einen stabilen Plattformbetrieb sicherzustellen, werden die Konfiguration der Free-CPU-Ressourcen sowie die maximale Dauer einzelner kontinuierlicher Ausführungen angepasst.
Die Cornell University hat den „AI Molecule Explorer“ entwickelt, ein multi-agentenbasiertes neurosymbolisches KI-Framework zur Analyse von Massenspektren kleiner Moleküle. Das Kernmodell DeepMS²Reasoner kombiniert chemische Regeln, die Ableitung von Fragmentierungspfaden mit dem Lernen durch neuronale Netze; es simuliert ausgehend von der Molekülstruktur Prozesse wie Bindungsbrüche und Wasserstoffverschiebungen bei der Fragmentierung und sagt daraus resultierende MS/2-Spektren vorher.
Ein Forscherteam des Helmholtz-Zentrums München, der Technischen Universität München und des Biozentrum der Universität Basel hat MemBrain v2 vorgestellt, das einen durchgängigen Analyseworkflow für Membranen von der Segmentierung der Membranstukturen über die Lokalisierung von Partikeln bis hin zur statistischen Auswertung bereitstellt.
Derzeit ist im HyperAI-Tutorialbereich das Thema „Multimodale Inferenz mit DeepSeek-V4-Flash-Vision-Exp und Bereitstellung über Open WebUI“ verfügbar, das die Modellbereitstellung per Knopfdruck ermöglicht und ein schnelles Erlebnis der visuellen Verständnis-, Multimodal-Agenten- sowie Fähigkeiten zur Ausführung komplexer Aufgaben bietet.
Ein Forschungsteam von Inherent Labs hat einen KI-Wissenschaftleragenten namens Faraday trainiert, der wissenschaftliche Forschungsarbeiten reproduzieren kann.
Der HyperAI-Tutorialbereich präsentiert jetzt „MiniMax Music 3: Ein Musikgenerierungsmodell basierend auf Liedtexten und Musikbeschreibungen“. Erstellen Sie jetzt Ihre eigene Musik!
Experten aus mehr als zehn Institutionen, darunter die Tsinghua-Universität, das MIT und die Harvard-Universität, haben gemeinsam den ASI-Bench-Benchmark für unabhängige wissenschaftliche Forschungskapazitäten entwickelt.
Ein Forschungsteam des Argonne National Laboratory, einer Einrichtung des US-Energieministeriums, hat eine Nanostrahl-Beugungsanalysemethode vorgeschlagen, die auf unüberwachtem Training basiert und DONUT genannt wird.
Auf der offiziellen Website von HyperAI (hyper.ai) wurde im Tutorial-Bereich das „Qwen3.8-27B-FP8: Native Visual Language Model“ veröffentlicht, um Entwicklern einen schnellen Zugriff auf die Funktionen des Modells zu ermöglichen.
Auf dem 9. Meet AI Compiler Technical Salon, der von HyperAI veranstaltet wurde, teilte Hai Lijuan, Architektin von Huawei AscendNPU IR, ihre Erkenntnisse zum Thema „AscendNPU IR: Open Source Compilation Base, Supporting Multi-Language Access to Ascend“.