TOPSIS 分類融合 (TCF) モデルを使用すると、ICU における敗血症性ショックの患者の 28 日以内の死亡リスクを予測できます。

HyperAI は、5 月 19 日から 5 月 23 日にかけて、人工知能、画像およびテキスト生成、数学、材料などの複数の分野を網羅した、非常に価値が高く、広く使用されている一連のデータセットとチュートリアルをすべてのユーザー向けにまとめました。

Google は、Gemma 3 をベースに構築され、医療テキストと画像の理解に特化した MedGemma をリリースしました。

Googleは3月にこれまでで最もスマートなモデル、Gemini 2.5 Proを発売した。

MITとハーバード大学のチームは、タンパク質配列と細胞画像を組み合わせて未知のタンパク質の細胞内局在を予測するPUPSと呼ばれるフレームワークを提案した。

浙江大学地球科学学院専任研究員のQi Jin氏は、「ディープタイムアースクラウドインテリジェンス共同イノベーションプラットフォーム」について特別講演を行いました。

「ACE-Step:音楽生成の基本モデル」は、わずか20秒で最大4分間の音楽を合成することができ、これはLLMに基づくベースライン方式の15倍の速度である。

黄仁訓氏はComputex 2025で、データセンター、エンタープライズAI、ロボティクスの分野におけるNvidiaの最新情報をいくつか共有しました。

米国のコーネル大学とリジェネロン・ファーマシューティカルズは、一貫した特徴と生存結果を持つサブ表現型を識別するためのグラフエンコード混合生存モデル（GEMS）を提案しました。

HyperAI は、医療に関する質問と回答、医療推論、医療画像、その他のデータを網羅した、最も人気のある医療データセットをいくつかまとめました。

Google DeepMindは、一般的なアルゴリズムの発見と最適化に使用できるプログラミングAIエージェントAlphaEvolveを発表しました。

コロンビア大学とスタンフォード大学の研究者らは、拡散モデルに基づく生成型人工知能構造解析手法PXRDnetを提案した。

HyperAI 公式サイトの「チュートリアル」セクションで、「In-Context Edit: コマンド駆動型画像生成および編集」が公開されました。正確な画像変更を実現するには、ごくわずかなテキスト コマンドだけが必要です。ぜひ体験してみてください！

ワシントン大学の David Baker 氏のチームは最近、高度な生成モデルを使用して合成 OLG 設計研究を実施し、エンジニアリングの観点からその実現可能性を検証しました。

ロシア科学アカデミーの研究者らは、テラバイト規模の高解像度質量分析データを分析して未知の化学反応の発見に役立てることができる機械学習ベースの検索エンジン、MEDUSA Search を開発しました。

vLLMを素早くマスターするための10の実践的なチュートリアルとモデル例

ゼロショット、ワンショット、および少数ショットのシナリオで、既存の高度なモデルよりも優れたセグメンテーションおよび一般化機能を実現します。

研究チームは、水素化物SSEにおけるユニークな「2段階」イオン移動機構を明らかにするための革新的な枠組みを提案した。

HITチームは、推論時間を大幅に短縮できる階層的蒸留マルチインスタンス学習フレームワークHDMILを提案した。

Qwen3 ワンクリック展開チュートリアルが含まれています

清華大学AIRの周浩率いるチームは、効率的なタンパク質ファミリー設計を実現するProfileBFN（Profile Bayesian Flow Network）を提案した。

IBMリサーチとその他が共同で地球観測データの強力なサポートを提供するEarthDialを立ち上げ

早稲田大学の研究チームは機械学習技術を用いて光駆動結晶の分子設計と実験最適化を行い、阻止力を最大化することに成功した。

4.21-4.25
毎週のハイライト！

12のHPCチュートリアルの概要が含まれています

MindGlideは、医療従事者がMS患者の治療効果を解釈・評価する能力をさらに向上させることが期待されています。

この方法では、1 クラス サポート ベクター マシン (1 クラス SVM) を使用して、UV スペクトルにおけるナイアシンアミドとナイアシンの特性の違いを分析します。

UNO は FLUX モデルに基づいており、画像生成タスクにおけるさまざまな入力条件を処理できます。

DRAKES アルゴリズムは、離散拡散モデルで完全に生成された軌跡に対して微分可能な報酬バックプロパゲーションを初めて実装します。

M2OST は、さまざまなレベルの病理画像を使用して遺伝子発現を共同で予測するように設計された多対 1 回帰トランスフォーマー モデルです。

TOPSIS 分類融合 (TCF) モデルを使用すると、ICU における敗血症性ショックの患者の 28 日以内の死亡リスクを予測できます。

HyperAI は、5 月 19 日から 5 月 23 日にかけて、人工知能、画像およびテキスト生成、数学、材料などの複数の分野を網羅した、非常に価値が高く、広く使用されている一連のデータセットとチュートリアルをすべてのユーザー向けにまとめました。

Google は、Gemma 3 をベースに構築され、医療テキストと画像の理解に特化した MedGemma をリリースしました。

Googleは3月にこれまでで最もスマートなモデル、Gemini 2.5 Proを発売した。

MITとハーバード大学のチームは、タンパク質配列と細胞画像を組み合わせて未知のタンパク質の細胞内局在を予測するPUPSと呼ばれるフレームワークを提案した。

浙江大学地球科学学院専任研究員のQi Jin氏は、「ディープタイムアースクラウドインテリジェンス共同イノベーションプラットフォーム」について特別講演を行いました。

「ACE-Step:音楽生成の基本モデル」は、わずか20秒で最大4分間の音楽を合成することができ、これはLLMに基づくベースライン方式の15倍の速度である。

黄仁訓氏はComputex 2025で、データセンター、エンタープライズAI、ロボティクスの分野におけるNvidiaの最新情報をいくつか共有しました。

米国のコーネル大学とリジェネロン・ファーマシューティカルズは、一貫した特徴と生存結果を持つサブ表現型を識別するためのグラフエンコード混合生存モデル（GEMS）を提案しました。

HyperAI は、医療に関する質問と回答、医療推論、医療画像、その他のデータを網羅した、最も人気のある医療データセットをいくつかまとめました。

Google DeepMindは、一般的なアルゴリズムの発見と最適化に使用できるプログラミングAIエージェントAlphaEvolveを発表しました。

コロンビア大学とスタンフォード大学の研究者らは、拡散モデルに基づく生成型人工知能構造解析手法PXRDnetを提案した。

HyperAI 公式サイトの「チュートリアル」セクションで、「In-Context Edit: コマンド駆動型画像生成および編集」が公開されました。正確な画像変更を実現するには、ごくわずかなテキスト コマンドだけが必要です。ぜひ体験してみてください！

ワシントン大学の David Baker 氏のチームは最近、高度な生成モデルを使用して合成 OLG 設計研究を実施し、エンジニアリングの観点からその実現可能性を検証しました。

ロシア科学アカデミーの研究者らは、テラバイト規模の高解像度質量分析データを分析して未知の化学反応の発見に役立てることができる機械学習ベースの検索エンジン、MEDUSA Search を開発しました。

vLLMを素早くマスターするための10の実践的なチュートリアルとモデル例

ゼロショット、ワンショット、および少数ショットのシナリオで、既存の高度なモデルよりも優れたセグメンテーションおよび一般化機能を実現します。

研究チームは、水素化物SSEにおけるユニークな「2段階」イオン移動機構を明らかにするための革新的な枠組みを提案した。

HITチームは、推論時間を大幅に短縮できる階層的蒸留マルチインスタンス学習フレームワークHDMILを提案した。

Qwen3 ワンクリック展開チュートリアルが含まれています

清華大学AIRの周浩率いるチームは、効率的なタンパク質ファミリー設計を実現するProfileBFN（Profile Bayesian Flow Network）を提案した。

IBMリサーチとその他が共同で地球観測データの強力なサポートを提供するEarthDialを立ち上げ

早稲田大学の研究チームは機械学習技術を用いて光駆動結晶の分子設計と実験最適化を行い、阻止力を最大化することに成功した。

4.21-4.25
毎週のハイライト！

12のHPCチュートリアルの概要が含まれています

MindGlideは、医療従事者がMS患者の治療効果を解釈・評価する能力をさらに向上させることが期待されています。

この方法では、1 クラス サポート ベクター マシン (1 クラス SVM) を使用して、UV スペクトルにおけるナイアシンアミドとナイアシンの特性の違いを分析します。

UNO は FLUX モデルに基づいており、画像生成タスクにおけるさまざまな入力条件を処理できます。

DRAKES アルゴリズムは、離散拡散モデルで完全に生成された軌跡に対して微分可能な報酬バックプロパゲーションを初めて実装します。

M2OST は、さまざまなレベルの病理画像を使用して遺伝子発現を共同で予測するように設計された多対 1 回帰トランスフォーマー モデルです。