HyperAI超神経

AI論文ウィークリー丨分子と材料の統合モデリング/6種類のメモリとマルチエージェントフレームワークをカバー/オペレーティングシステムの相互作用をシミュレーション…人気の論文5選を一目で

特色图像

拡散モデルは、その強力な生成能力と高い柔軟性により、3次元原子系を生成するための重要なツールとなっています。これらのモデルは、媒質中の粒子のランダムな運動をシミュレートすることで新しい構造を生成し、このアプローチは複雑な原子配列を捉えるのに非常に効果的であることが証明されています。しかし、これらの系の基礎となる物理法則は同じであるにもかかわらず、現在の生成手法は通常、特定の種類の系(分子や結晶など)向けに設計されており、汎用性に欠けています。

これに基づき、ケンブリッジ大学とMetaの基礎人工知能研究部門は共同で、周期的物質と非周期的分子系を同時に生成できる初の統合潜在空間拡散フレームワークである全原子拡散トランスフォーマー(ADiT)を提案しました。実験結果によると、共同で訓練されたADiTは、現実的で効果的な分子および物質構造を生成でき、その性能は分子や結晶専用に設計されたモデルに匹敵する最先端レベルに達しています。

ペーパーリンク:https://go.hyper.ai/ln9AL

最新のAI論文:https://go.hyper.ai/hzChC

学術界における人工知能分野の最新動向をより多くのユーザーに知ってもらうため、HyperAI の公式サイト (hyper.ai) に「最新論文」セクションが開設され、最先端の AI 研究論文が毎日更新されます。おすすめのAI論文5選今週の最先端のAIの成果を簡単に見てみましょう⬇️

今週のおすすめ紙

1 全原子拡散トランスフォーマー:分子と材料の統合生成モデリング

本論文では、All-Atom Diffusion Transformer(ADiT)を提案する。これは、周期的物質と非周期的分子系を同一のモデルを用いて共同生成できる統合潜在拡散フレームワークである。オートエンコーダは、分子と物質の統合された全原子表現を共有潜在埋め込み空間にマッピングする。拡散モデルは新たな潜在埋め込みを生成するように学習され、オートエンコーダはこれをデコードすることで新たな分子や物質をサンプリングすることができる。実験結果から、共同学習されたADiTは、分子および結晶固有のモデルに匹敵する最先端の結果を達成することが示された。

論文リンク:https://go.hyper.ai/ln9AL

モデルアーキテクチャ図

2 MIRIX: マルチエージェントメモリ  LLMベースのエージェント向けシステム

本稿では、この分野における最も差し迫った課題に対処し、言語モデルを真に記憶可能なものにする、モジュール型マルチエージェント記憶システムであるMIRIXを紹介します。従来のアプローチとは異なり、MIRIXはテキストにとどまらず、豊かな視覚体験やマルチモーダル体験を網羅し、記憶を現実世界のシナリオにおいて真に有用なものにします。MIRIXは、6種類の記憶タイプと、更新および取得プロセスを動的に制御・調整するマルチエージェントフレームワークで構成されています。この設計により、エージェントは多様で長期的なユーザーデータを大規模かつ永続的に保存、推論し、正確に取得することが可能になります。

論文リンク:https://go.hyper.ai/L9XYi

モデルアーキテクチャ図

3 NeuralOS: ニューラル生成モデルによるオペレーティングシステムのシミュレーションに向けて

本稿では、ユーザー入力に応じて画面フレームを直接予測することで、オペレーティングシステムのグラフィカルユーザーインターフェース(GUI)をシミュレートするニューラルフレームワーク、NeuralOSを紹介します。NeuralOSは、コンピュータの状態を追跡するリカレントニューラルネットワークと、画面イメージを生成する拡散ベースのニューラルレンダラーを組み合わせています。実験結果から、NeuralOSはリアルなGUIシーケンスをレンダリングし、マウスインタラクションを正確に捉え、アプリケーションの起動などの状態遷移を確実に予測できることが示されました。

論文リンク:https://go.hyper.ai/1w0lf

モデルアーキテクチャ図

4 FAMPNNを用いた全原子タンパク質配列設計のための側鎖コンディショニングとモデリング

本論文では、各残基の配列同一性と側鎖構造を明示的にモデル化する手法であるFAMPNN(全原子MPNN)を提案する。この手法では、各残基の離散アミノ酸同一性と連続側鎖構造の確率分布を、カテゴリカルクロスエントロピーと拡散損失の目標値を組み合わせることで学習する。明示的な全原子モデリングの利点は、配列復元だけでなく、実験的結合や安定性測定のゼロショット予測など、実用的なタンパク質設計アプリケーションにも及ぶ。

論文リンク:https://go.hyper.ai/PiNf7

モデルアーキテクチャ図

5 AgentsNet: マルチエージェントLLMにおける調整と協調推論

本論文では、マルチエージェント推論の新たなベンチマークであるAgentsNetを提案する。分散システムとグラフ理論における古典的な問題に基づき、AgentsNetは、与えられたネットワークトポロジー下で、マルチエージェントシステムが協調的に問題解決戦略を形成し、自己組織化し、効果的に通信する能力を評価する。我々の実験結果は、AgentsNetの規模が事実上無制限であり、次世代のLLMの開発によって拡張可能であることを示している。

論文リンク:https://go.hyper.ai/58KXr

モデルアーキテクチャ図

今週の論文推薦は以上です。さらに最先端のAI研究論文をご覧になりたい方は、hyper.ai公式サイトの「最新論文」セクションをご覧ください。

質の高い研究成果や論文の提出を歓迎いたします。ご興味のある方は、NeuroStar WeChat(WeChat ID: Hyperai01)にご登録ください。

また来週お会いしましょう!