HyperAI超神经

Wensheng 그래프 모델은 최근 몇 년 동안 상당한 진전을 이루었지만 기존 모델은 여전히 실제 적용에 많은 한계가 있습니다. 대부분의 모델은 단 하나의 이미지만 생성할 수 있으며 이미지를 미세하게 조정할 수 없습니다. 이러한 과제를 해결하기 위해 록 팀은 Chroma 모델을 출시했습니다.

Chroma는 FLUX.1-schnell의 8.9 B-매개변수 모델을 기반으로 합니다. 이 모델은 영화 수준의 컬러 그레이딩, 특수 효과 합성 및 양식화된 렌더링을 구현하여 전문가 수준의 시각 효과를 제공합니다.여기에는 애니메이션, 퍼리, 예술 작품, 사진 등 다양한 장르가 포함됩니다. 이 모델은 현재 다음을 통해 구매 가능합니다. ComfyUI 호출,사용자가 개인화된 창작물을 만들 수 있도록 도와주세요.기존의 특수효과 소프트웨어와 비교했을 때, 작동이 더 쉽고 편리합니다.

HyperAI Super Neural이 출시되었습니다. "ComfyUI Chroma Workflow 온라인 튜토리얼",와서 드셔보세요~

온라인 사용:https://go.hyper.ai/y8mdm

5월 19일부터 5월 23일까지 hyper.ai 공식 웹사이트가 업데이트되었습니다.

* 고품질 공개 데이터 세트: 10

* 고품질 튜토리얼: 16개

* 커뮤니티 기사 선정: 6개 기사

* 인기 백과사전 항목: 5개

* 5월 마감일 상위 컨퍼런스: 3

공식 웹사이트를 방문하세요:하이퍼.AI

선택된 공개 데이터 세트

1. M2RAG 다중 모드 평가 벤치마크 데이터 세트

이 데이터 세트는 이미지와 텍스트 데이터를 결합하여 뉴스 이벤트 분석 및 시각적 질의응답과 같은 실제 시나리오에서의 정보 검색 및 생성 작업을 시뮬레이션합니다. 이 연구는 MLLM이 이미지 콘텐츠 이해, 이미지-텍스트 연관 추론, 사실 판단을 포함한 다중 모드 맥락에서 검색된 문서 지식을 활용하는 능력을 평가하는 데 중점을 둡니다.

직접 사용:https://go.hyper.ai/xQuV4

2. Geometry3k 기하 문제 데이터 세트

이 데이터 세트는 각도, 변의 길이, 면적, 둘레 등을 푸는 것과 같은 다양한 기하 문제를 설명하며, 총 6,293개의 텍스트 항목이 포함되어 있습니다. 다이어그램은 삼각형, 원, 사각형 등의 다양한 기하학적 모양과 그 상호 관계 등 기하 문제의 그래픽 정보를 표현하는 데 사용되며, 총 27,213개의 텍스트 항목이 있습니다.

직접 사용:https://go.hyper.ai/xQuV4

3. LLM4Mat-Bench 결정 구조 데이터 세트

이 데이터 세트에는 10개의 공공 재료 데이터베이스에서 수집한 약 197만 개의 결정 구조 샘플이 포함되어 있으며, 45가지의 다양한 재료 물리적, 화학적 특성을 포괄합니다. 이는 물질적 속성 예측을 위한 대규모 언어 모델(LLM)의 성능을 평가하는 데 있어 현재까지 가장 큰 벤치마크입니다.

직접 사용:https://go.hyper.ai/cWEme

4. SeniorTalk 노인 대화용 중국어 음성 데이터 세트

데이터 세트에는 화자 정보, 대화 내용 전사, 타임스탬프(문장 수준 및 단어 수준 포함), 악센트 범주 레이블 등을 포함한 다차원의 세부 주석이 포함되어 있습니다. 이러한 실제 데이터는 노인의 음성 신호에 대한 심층 연구와 노인을 위한 음성 상호 작용 시스템의 최적화에 귀중한 지원을 제공하고 고령자 친화적 장비, 건강 관리, 보조 노인 케어 로봇과 같은 관련 산업의 발전을 촉진할 것입니다.

직접 사용:https://go.hyper.ai/MtvcV

5. DeepMath-103K 수학적 추론 데이터 세트

이 데이터 세트는 대수학, 미적분학, 수론, 기하학, 확률, 이산 수학 및 기타 분야를 포괄하는 5~9레벨의 수학 문제에 초점을 맞추고 있으며, 복잡한 추론 능력에 도전하는 데 중점을 두고 있습니다. 또한, 이 데이터 세트는 의미적 매칭을 통해 일반적인 벤치마크에 대한 자세한 오염 제거 처리를 수행하여 테스트 세트 누출을 최소화하고 공정한 모델 평가를 촉진합니다.

직접 사용:https://go.hyper.ai/dquTu

6. OpenMathReasoning 수학적 추론 데이터 세트

데이터 세트에는 수학 문제 유형 라벨, 자세한 문제 해결 단계, 문제 난이도 수준 분류 등이 포함되어 있습니다. 수학 전문 분야와 온라인 커뮤니티에서 나온 이러한 고품질 데이터는 수학적 추론 프로세스에 대한 심층 연구와 수학 문제 해결 모델의 최적화에 대한 견고하고 강력한 지원을 제공하며 지능형 수학 튜터링 시스템, 수학 경시대회 보조 도구, 과학 연구 컴퓨팅 자동화와 같은 관련 산업의 활발한 발전을 촉진합니다.

직접 사용:https://go.hyper.ai/svX2f

7. VL3-Syn7M 다중 모드 이미지-텍스트 데이터 세트

이 데이터 세트에는 이미지의 자세한 캡션, 짧은 캡션, 이미지 소스 정보를 비롯한 다차원의 세부 주석이 포함되어 있으며, 장면 이미지, 문서 이미지, 텍스트 이미지 등 다양한 유형의 데이터를 포괄하여 모델이 다중 모드 정보를 학습하는 데 필요한 풍부한 자료를 제공합니다.

직접 사용:https://go.hyper.ai/luQiA

8. 재료 DFT 재료 속성 데이터 세트

이 데이터 세트는 다양한 화학적 구성과 물리적 특성을 다루며, 각 항목은 고유한 재료에 해당합니다. 모든 속성은 재료 거동 예측에 널리 사용되는 계산 방법인 밀도 함수 이론(DFT) 계산을 통해 얻어졌습니다. 이 데이터 세트는 재료 속성 모델링, 머신 러닝 학습, 재료 발견과 같은 작업에 적합하며, 데이터 과학자와 연구자에게 강력한 기본 데이터 지원을 제공합니다.

직접 사용:https://go.hyper.ai/S7bEj

9. 영률 데이터 세트

탄성계수는 재료가 변형에 저항하는 능력을 측정하는 물리량입니다. 값이 클수록 재료가 변형될 가능성이 적습니다. 이 데이터 세트에는 393개의 데이터 포인트가 포함되어 있으며, 다양한 방향에서 결정의 탄성률을 측정하여 재료의 이방성을 특성화하는 것을 목표로 합니다.

직접 사용:https://go.hyper.ai/do6zP

10. ChildMandarin 어린이 중국어 대화 음성 데이터 세트

이 데이터 세트는 이 연령대의 중국어 음성 데이터가 부족하다는 문제를 해결하고, 어린이 음성 인식 및 화자 검증과 같은 관련 연구 분야의 개발을 지원하도록 설계되었습니다.

직접 사용:https://go.hyper.ai/GynAr

선택된 공개 튜토리얼

이미지 생성 튜토리얼

1. ComfyUI Chroma 워크플로 온라인 튜토리얼

크로마는 FLUX.1-슈넬의 8.9 B 매개변수 모델을 기반으로 록이 2025년에 도입한 빈센트 그림 모델입니다. 이 모델은 아직 학습 중이며, 학습 데이터 세트는 애니메이션, 짐승, 예술 작품, 사진 등 다양한 유형을 포괄하는 2,000만 개의 샘플에서 500만 개의 데이터를 신중하게 선택했습니다.

이 튜토리얼에서는 리소스로 단일 RTX 4090 카드를 사용하며 영어 프롬프트만 지원합니다.

온라인으로 실행:https://go.hyper.ai/irRhP

2. FractalGen: 픽셀 단위 고해상도 이미지 생성 FractalGen은 프랙탈 아이디어를 기반으로 한 새로운 이미지 생성 기술입니다. 이 기술은 프랙탈 생성 모델을 통해 픽셀 단위의 고해상도 이미지를 생성하고, 계산 효율성을 크게 향상시키며, 고해상도 이미지 생성에 있어 기존 생성 모델의 계산적 병목 현상을 해결합니다.
이 프로젝트는 노트북 형태로 배포되었습니다. 한 번의 클릭으로 복제하여 단계별로 체험해 보세요!

온라인으로 실행:https://go.hyper.ai/qZN2x

3. PixelFlow: 픽셀 공간 이미지 생성 솔루션

PixelFlow 프로젝트는 주요 잠재 공간 모델과 달리 원시 픽셀 공간에서 직접 작동하는 이미지 생성 모델 제품군입니다.

텍스트-이미지 변환의 정성적 결과는 PixelFlow가 이미지 품질, 예술성, 의미 제어 측면에서 우수한 성능을 보인다는 것을 보여줍니다.

온라인으로 실행:https://go.hyper.ai/MbfLU

4. HiDream-I1-전체 이미지 생성 데모

HiDream-I1 프로젝트는 새로운 오픈소스 이미지 생성 기본 모델입니다. HiDream-I1-Full은 17B개의 매개변수를 갖춘 오픈소스 이미지 생성 모델입니다. 나머지 두 가지 버전은 HiDream-I1-Dev와 HiDream-I1-Fast입니다. HiDream-I1-Full은 업계 최고의 이미지 품질을 단 몇 초 만에 생성할 수 있는 최고의 성능을 자랑합니다.

이 프로젝트의 관련 모델과 종속성이 배포되었습니다. 컨테이너를 시작한 후 API 주소를 클릭하여 웹 인터페이스로 들어갑니다.

온라인으로 실행:https://go.hyper.ai/2fSbo

5. OminiControl: 다양한 이미지 생성 및 제어

OminiControl은 FLUX와 같은 확산 변압기 모델을 위한 최소한이면서도 강력한 범용 제어 프레임워크입니다. FLUX 모델을 사용하여 모든 제어 작업(3D, 다중 보기, 제스처 안내 등)을 사용자 지정하여 고유한 OminiControl 모델을 만들 수 있습니다.

이 튜토리얼은 OminiControl 일반 제어 프레임워크를 기반으로 하며, 컴퓨팅 리소스는 단일 카드 A6000을 사용합니다.

온라인으로 실행:https://go.hyper.ai/zOAWH

과학을 위한 AI 튜토리얼

1. Prithvi-EO-2.0 다중 시간 지구 관측 원격 감지 모델 데모

이 모델은 여러 청크와 타임스탬프에 걸친 공간적, 시간적 주의 메커니즘을 포함합니다. 또한, 시간 및 위치 정보가 임베딩을 통해 모델 입력에 추가됩니다.

이 튜토리얼에서는 Prithvi-EO-2.0-300M 모델을 데모로 사용하고, 컴퓨팅 리소스에는 RTX 4090을 사용합니다.

온라인으로 실행:https://go.hyper.ai/DvqV1

2. Gnnwr 시공간 지능 회귀(STIR) 모델 데모

GNNWR은 공간적, 시간적 비정상성 문제를 처리하기 위해 특별히 설계된 PyTorch 기반 시공간적 지능형 회귀 모델입니다. 이 모델은 지리적 근접성과 비정상적 가중치의 비선형적 적합을 신경망의 표현과 구성으로 변환하여 복잡한 지리적 프로세스의 고정밀 모델링을 달성합니다.

이 프로젝트의 관련 모델과 종속성이 배포되었습니다. 컨테이너를 시작한 후 API 주소를 클릭하여 웹 인터페이스로 들어갑니다.

온라인으로 실행:https://go.hyper.ai/Y1Cq0

3. RFUAV 시스템 기반 Matlab을 이용한 UAV 신호 처리

통신 보안 및 스펙트럼 모니터링 분야에서는 무선 주파수(RF) 데이터를 기반으로 한 드론 식별 시스템이 폭넓게 연구되었습니다. RFUAV 프로젝트는 스펙트럼 분석과 신호 대 잡음비 추정을 통해 드론의 IQ 신호를 분석하고 처리합니다.

아직 원본 데이터를 사용할 수 없으므로, 여기에 있는 데이터 세트에서는 IDLab 플랫폼의 데이터를 데이터 처리 데모로 사용합니다. 전체 데이터 세트가 너무 크기 때문에 이 튜토리얼에서는 데이터의 일부만 분석합니다. 아래 링크를 클릭하면 클릭 한 번으로 배포할 수 있습니다.

온라인으로 실행:https://go.hyper.ai/rowsq

4. 유체역학적 압력을 고려한 코이나 지진의 비선형 동적 응답 해석

Abaqus는 엔지니어링 시뮬레이션 분야에서 널리 사용되는 강력한 유한요소해석(FEA) 소프트웨어입니다. 유한요소법을 통해 다양한 엔지니어링 문제를 시뮬레이션하고 분석하며, 간단한 선형 문제부터 복잡한 비선형 문제까지 다양한 문제를 처리할 수 있습니다.

이 튜토리얼은 Abaqus의 공식 튜토리얼입니다: 콘크리트 중력댐의 지진 분석. 이 예는 임의의 하중을 받는 콘크리트 구조물의 안정성과 손상을 평가하기 위해 콘크리트에 대한 손상 소성 재료 모델의 전형적인 적용을 보여줍니다.

온라인으로 실행:https://go.hyper.ai/cXdKk

5. VASP와 Phonopy를 결합하여 실리콘의 포논 스펙트럼을 계산합니다.

Phonopy는 고조파 및 준고조파 수준에서 포논 대역 구조, 열적 특성, 군 속도 및 기타 포논 관련 양을 계산하기 위한 Python 패키지입니다.

이 튜토리얼에서는 자동화된 스크립트를 사용하여 포노피를 수행하여 계산 과정을 보여줍니다. 이 튜토리얼을 통해 포논 스펙트럼 계산의 기본 과정을 배울 수 있습니다. 컨테이너를 시작한 후 API 주소를 클릭하여 웹 인터페이스로 들어갑니다.

온라인으로 실행:https://go.hyper.ai/Lb00V

6. 머신 러닝 힘장 훈련을 위한 VASP 사용

이 튜토리얼에서는 실리콘 결정을 예로 들어 NpT 앙상블 분자 동역학을 통해 vasp 머신 러닝 힘장을 훈련하는 방법을 보여줍니다. 이 튜토리얼을 통해 머신 러닝 힘장 훈련의 기본 과정을 배울 수 있습니다. 컨테이너를 시작한 후 API 주소를 클릭하여 웹 인터페이스로 들어갑니다.

온라인으로 실행:https://go.hyper.ai/JssLr

7. VASP와 Phonopy를 결합하여 실리콘의 비열을 계산합니다.

VASP는 전자 구조 계산 및 양자 역학 분자 동역학과 같은 기본 원리를 기반으로 원자 규모의 물질 모델링을 위한 컴퓨터 프로그램입니다. Phonopy는 고조파 및 준고조파 수준에서 포논 대역 구조, 열적 특성, 군 속도 및 기타 포논 관련 양을 계산하기 위한 Python 패키지입니다.

이 튜토리얼에서는 자동화된 스크립트를 사용하여 Phonopy를 사용한 계산 과정을 보여줍니다. 이 튜토리얼을 통해 비열 계산의 기본적인 과정을 배울 수 있습니다. 컨테이너를 시작한 후 API 주소를 클릭하여 웹 인터페이스로 들어갑니다.

온라인으로 실행:https://go.hyper.ai/MWlU1

vLLM 튜토리얼

1. DeepCoder-14B-Preview의 원클릭 배포 DeepCoder-14B-Preview는 LiveCodeBench v5(8/1/24-2/1/25)에서 60.6%의 Pass@1 정확도를 달성했으며, 이는 기본 모델(53%)보다 8%가 향상되었고, 매개변수가 14B에 불과한 OpenAI의 o3-mini와 비슷한 성능을 달성했습니다. DeepCoder-14B-Preview는 bitsandbytes가 제공하는 8비트 양자화 방법을 사용하여 비디오 메모리 사용을 최적화합니다. 사용된 컴퓨팅 파워 리소스는 RTX4090입니다. 컨테이너를 시작한 후 API 주소를 클릭하여 웹 인터페이스로 들어갑니다.

온라인으로 실행:https://go.hyper.ai/6U1k1

2. vLLM 및 Open-WebUI를 사용하여 GLM-4-32B 배포

GLM-4-32B-0414는 코드 엔지니어링, 아티팩트 생성, 함수 호출, 검색 기반 질의응답 및 보고서 생성 분야에서 좋은 성과를 거두었습니다. 특히 코드 생성이나 특정 질의응답 작업과 같은 여러 벤치마크에서 GLM-4-32B-Base-0414는 GPT-4o 및 DeepSeek-V3-0324(671B)와 같은 더 큰 모델과 비슷한 성능을 달성합니다.

이 튜토리얼에서는 데모로 GLM-4-32B를 사용하고, 컴퓨팅 리소스로는 듀얼 카드 A6000을 사용합니다.

온라인으로 실행:https://go.hyper.ai/j13EA

3. vLLM+Open-webUI를 사용하여 Qwen3 시리즈 모델 배포

Qwen3는 Qwen 시리즈의 최신 세대 대규모 언어 모델로, 포괄적인 밀집 모델과 전문가 혼합(MoE) 모델을 제공합니다. Qwen3는 풍부한 교육 경험을 바탕으로 추론, 지시 따르기, 에이전트 기능 및 다국어 지원 측면에서 획기적인 진전을 이루었습니다. Qwen3의 적용 시나리오는 매우 광범위합니다. 텍스트, 이미지, 오디오, 비디오 처리를 지원하며, 멀티모달 콘텐츠 제작과 크로스모달 작업의 요구 사항을 충족할 수 있습니다.

이 튜토리얼에서는 vLLM+Open-webUI를 데모로 사용하고, 사용되는 리소스는 단일 RTX 4090 카드입니다.

온라인으로 실행:https://go.hyper.ai/IiHHC

4. vLLM을 사용하여 대규모 모델을 로드하여 몇 번의 학습을 수행합니다.

이 튜토리얼은 vLLM을 사용하여 RTX 4090에 AWQ 양자화를 로드하는 방법에 대한 Qwen2.5-3B-Instruct입니다. 각 테스트 문제에 대해, 우리는 훈련 데이터를 사용하여 그것을 "보완"하는 유사한 질문 세트를 검색합니다. 비슷한 질문 세트를 사용하여 우리는 "구성"과 "주제"와 같은 사항을 고려하여 모델에 적용할 수 있는 대화를 만들었습니다.

현재 HyperAI 공식 웹사이트에서는 "vLLM을 사용하여 대규모 모델을 로드하여 소수 학습하는 방법"에 대한 원클릭 배포 튜토리얼을 출시했습니다. 복제를 클릭하면 클릭 한 번으로 시작됩니다.

온라인으로 실행:https://go.hyper.ai/YhwvL

커뮤니티 기사

1. MIT와 Harvard는 단백질 언어 모델과 이미지 인페인팅 모델을 결합하여 단일 세포 단백질 위치 추정을 달성하기 위해 PUPS를 공동으로 제안했습니다.

MIT와 하버드 대학의 연구팀은 단백질 서열과 세포 이미지를 결합하여 알려지지 않은 단백질의 세포 내 위치를 예측하는 예측 프레임워크 PUPS를 제안했습니다. 이 프레임워크는 단백질 언어 모델과 이미지 페인팅 모델을 혁신적으로 결합하여 단백질 국소화를 예측하고, 알려지지 않은 단백질 예측의 일반화 기능과 세포 변이성을 포착하는 세포 유형별 예측 기능을 병합할 수 있습니다.

전체 보고서 보기:https://go.hyper.ai/TIgUm

2. 저장대학교 팀은 심층 진화/지질 프로파일/과학 연구 시나리오를 탐색하고 심층 지구 과학 연구를 가능하게 하기 위해 Earth Explorer 시스템을 개발했습니다.

저장대학교 지구과학학원의 전임 연구원인 치진(Qi Jin)은 중국지리학회 지리모델 및 지리정보분석 전문위원회의 2025년 학술 연례 회의에서 "딥타임 지구 군중 지능 협력 혁신 플랫폼"에 대한 특별 발표를 했습니다. 팀의 성과는 세 가지 측면에서 소개되었습니다. 심층 시간 시각화 분석 시스템(Earth Explorer)의 전반적인 개요, 연구 개발 진행 상황, 응용 결과입니다. 이 글은 치진 선생님의 공유 내용 중 하이라이트를 요약한 것입니다.

전체 보고서 보기:https://go.hyper.ai/6wNdI

3. 코넬대 연구팀은 800만 건의 실제 데이터를 기반으로 그래프 신경망을 활용해 폐암 환자의 생존율을 정확하게 예측하고 치명적인 3가지 아형을 발견했다.

미국의 코넬 대학교와 리제네론 제약은 그래프 신경망을 사용하여 환자의 전자 건강 기록의 복잡한 관계를 인코딩하고 이를 생존 분석 모델과 결합하여 일관된 특성과 생존 결과를 보이는 하위 표현형을 식별하는 그래프 인코딩 혼합 생존 모델(GEMS)을 제안했습니다.

전체 보고서 보기:https://go.hyper.ai/dXSH5

4. 콜롬비아 팀은 나노결정의 종단간 분석을 달성하기 위해 처음으로 PXRDnet을 제안했으며 200개의 복잡한 시뮬레이션 나노결정을 성공적으로 분석했습니다.

컬럼비아 대학과 스탠포드 대학의 연구진은 확산 모델을 기반으로 한 생성적 인공지능 구조 분석 방법인 PXRDnet을 제안했습니다. 화학식과 정보가 부족하고 크기가 제한적이며 확장된 분말 회절 패턴에만 조건을 두었음에도 불구하고, 이 모델은 다양한 대칭성과 복잡성을 지닌 200개의 시뮬레이션된 나노결정을 성공적으로 분해하여 7가지 결정계에서 크기가 10Å에 이르는 구조까지 포괄할 수 있었습니다.

전체 보고서 보기:https://go.hyper.ai/6JqUm

5. Gemini 2.5 전체 시스템 업데이트, Deep Think가 OpenAI를 지원하고 압도

방금 마무리된 Google I/O 2025 기조연설에서 Google은 몇 가지 중요한 업데이트를 공개하면서 AI 경쟁에서의 강점을 더욱 입증했습니다.

전체 보고서 보기:https://go.hyper.ai/Ct6DM

6. Jen-Hsun Huang의 최근 연설! 개방형 생태계인 NVLink Fusion은 반 맞춤형 AI 인프라를 지원합니다. 오픈소스 휴머노이드 로봇 기본 모델

황런쉰은 Computex 2025에서 데이터 센터, 기업 AI, 로봇공학 분야에서 엔비디아에 대한 여러 가지 최신 소식을 공유했습니다.

전체 보고서 보기:https://go.hyper.ai/VRCgw

최고 컨퍼런스 5월 마감일

RTSS 2025:5월 23일 19:59:59

시그래프 2025: 3월 23일 19:59:59

ASE 2025:5월 31일 19:59:59

최고 AI 학술 컨퍼런스에 대한 원스톱 추적:https://go.hyper.ai/event

위에 적힌 내용은 이번 주 편집자 추천 기사의 전체 내용입니다. 포함하려면 하이퍼.AI 공식 웹사이트의 리소스에 대해 알고 싶으시다면, 메시지를 남기시거나 의견을 남겨주세요!

다음주에 뵙겠습니다!