Forschende der Clarkson University haben Rex vorgestellt, eine neue Familie numerischer Löser zur Steigerung der Präzision und Kontrollierbarkeit generativer KI-Systeme. Entwickelt von Postdoc Zander Blasingame und Professor Chen Liu für Elektro- und Computertechnik, optimiert das Framework die mathematischen Grundlagen von Diffusions- und Flow-Matching-Modellen. Diese bilden das Rückgrat moderner KI-Anwendungen wie Bildsynthese, molekulares Design und wissenschaftliche Simulationen, indem sie zufälliges Rauschen schrittweise in strukturierte Daten umwandeln. Viele anspruchsvolle Anwendungsfälle erfordern jedoch die Umkehrung dieses Prozesses. Konventionelle Methoden leiden dabei häufig unter akkumulierenden numerischen Fehlern, die die Trefferquote bei der Rekonstruktion ursprünglicher Informationen beeinträchtigen. Rex schließt diese Lücke, indem es Vorwärts- und Rückwärtsberechnungen signifikant präziser aufeinander abstimmmt. Dadurch ermöglicht die Lösung hochgenaue Rundumwandlungen mit Inversionsfehlern, die um Größenordnungen unter denen aktueller Wettbewerbsansätze liegen. Die Anwendungsspektren umfassen sowohl kreative als auch wissenschaftliche Domänen. Im Bildbearbeitungsbereich erlaubt Rex Nutzern, KI-generierte Visualisierungen zu modifizieren, während kritische Strukturelemente erhalten bleiben und die finale Ausgabe granular gesteuert wird. Für die Pharmakologie und Chemie verbessert das Tool molekulare Simulationen durch zuverlässiges Tracking komplexer Wechselwirkungsprozesse, was für verlässliche Wirkstoffforschungs-Pipelines entscheidend ist. Da Rex nahtlos in bestehende Diffusions- und Flow-Matching-Architekturen integrierbar ist, können Entwickler die Lösung übernehmen, ohne ihre aktuelle KI-Infrastruktur grundlegend zu überarbeiten. Die Studie baut auf jahrelanger Forschung der Autoren zu stochastischen numerischen Methoden auf und erweitert Erkenntnisse aus Blasingames Dissertation an der Clarkson University. Blasingame, der zwischen 2018 und 2025 seinen gesamten akademischen Werdegang an der Clarkson University absolvierte, forscht derzeit als Postdoc am Wiener Institut AITHYRA. Liu lehrt weiterhin an der Clarkson University. Die vollständigen Ergebnisse werden im Sommer 2026 auf der International Conference on Machine Learning präsentiert, ein Vorabmanuskript ist bereits über den arXiv-Server verfügbar. Die Veröffentlichung markiert einen substantiellen Schritt hin zu deterministischeren und praxistauglicheren generativen KI-Systemen und überbrückt die Kluft zwischen theoretischer Modellierung und realer Implementierung in Bildverarbeitung, computergestützter Biologie und wissenschaftlichem Computing.