HyperAI초신경

AI Paper Weekly | 분자 및 물질의 통합 모델링/6가지 유형의 메모리 및 다중 에이전트 프레임워크 포함/운영체제 상호 작용 시뮬레이션...인기 논문 5편 한눈에 보기

特色图像

확산 모델은 강력한 생성 능력과 높은 유연성으로 인해 3차원 원자 시스템을 생성하는 중요한 도구로 자리 잡았습니다. 이러한 모델은 매질 내 입자의 무작위 운동을 시뮬레이션하여 새로운 구조를 생성하며, 이러한 접근법은 복잡한 원자 배열을 포착하는 데 매우 효과적인 것으로 입증되었습니다. 그러나 이러한 시스템의 기본 물리 법칙은 동일함에도 불구하고, 현재의 생성 방법은 일반적으로 특정 유형의 시스템(예: 분자 또는 결정)을 위해 설계되어 다양성이 부족합니다.

이를 바탕으로 케임브리지 대학교와 메타 기초 인공지능 연구부는 주기 물질과 비주기 분자계를 동시에 생성할 수 있는 최초의 통합 잠재 공간 확산 프레임워크인 전원자 확산 변환기(All-atom Diffusion Transformer, ADiT)를 공동으로 제안했습니다. 실험 결과, 공동으로 학습된 ADiT는 사실적이고 효과적인 분자 및 물질 구조를 생성할 수 있으며, 그 성능은 분자나 결정을 위해 특별히 설계된 모델과 비교할 수 있는 최첨단 수준에 도달했습니다.

논문 링크:https://go.hyper.ai/ln9AL

최신 AI 논문:https://go.hyper.ai/hzChC

더 많은 사용자에게 학계 인공지능 분야의 최신 동향을 알리기 위해 HyperAI 공식 웹사이트(hyper.ai)에 "최신 논문" 섹션이 개설되었습니다. 이 섹션에서는 매일 최첨단 AI 연구 논문을 업데이트합니다.우리가 추천하는 인기 있는 AI 논문 5편을 소개합니다.이번 주 최첨단 AI 성과를 간략히 살펴보겠습니다⬇️

이번 주 논문 추천

1 모든 원자 확산 변환기: 분자 및 재료의 통합 생성 모델링

본 논문은 동일한 모델을 사용하여 주기 물질과 비주기 분자 시스템을 공동으로 생성할 수 있는 통합 잠재 확산 프레임워크인 전원자 확산 변환기(All-Atom Diffusion Transformer, ADiT)를 제안합니다. 자동 인코더는 분자 및 물질의 통합된 전원자 표현을 공유 잠재 임베딩 공간에 매핑합니다. 확산 모델은 새로운 잠재 임베딩을 생성하도록 학습되며, 자동 인코더는 이를 디코딩하여 새로운 분자 또는 물질을 샘플링합니다. 실험 결과는 공동 학습된 ADiT가 분자 및 결정 특정 모델과 유사한 최첨단 결과를 달성함을 보여줍니다.

논문 링크:https://go.hyper.ai/ln9AL

모델 아키텍처 다이어그램

2 MIRIX: 다중 에이전트 메모리  LLM 기반 에이전트를 위한 시스템

본 논문에서는 언어 모델을 진정으로 기억하기 쉽게 만드는, 해당 분야의 가장 시급한 과제를 해결하는 모듈형 다중 에이전트 메모리 시스템인 MIRIX를 소개합니다. 기존 접근 방식과 달리 MIRIX는 텍스트를 넘어 풍부한 시각적 경험과 다중 모달 경험을 포괄하여 실제 상황에서 메모리를 진정으로 유용하게 활용합니다. MIRIX는 6가지 메모리 유형과 업데이트 및 검색 프로세스를 동적으로 제어하고 조정하는 다중 에이전트 프레임워크로 구성됩니다. 이러한 설계를 통해 에이전트는 다양한 장기 사용자 데이터를 대규모로 지속적으로 저장하고, 추론하고, 정확하게 검색할 수 있습니다.

논문 링크:https://go.hyper.ai/L9XYi

모델 아키텍처 다이어그램

3 NeuralOS: 신경 생성 모델을 통한 운영 체제 시뮬레이션

본 논문에서는 사용자 입력에 대한 화면 프레임을 직접 예측하여 운영 체제의 그래픽 사용자 인터페이스를 시뮬레이션하는 신경망 프레임워크인 NeuralOS를 소개합니다. NeuralOS는 컴퓨터 상태 추적을 위한 순환 신경망과 화면 이미지 생성을 위한 확산 기반 신경망 렌더러를 결합합니다. 실험 결과는 NeuralOS가 사실적인 GUI 시퀀스를 성공적으로 렌더링하고, 마우스 상호작용을 정확하게 포착하며, 애플리케이션 실행과 같은 상태 전환을 안정적으로 예측함을 보여줍니다.

논문 링크:https://go.hyper.ai/1w0lf

모델 아키텍처 다이어그램

4 FAMPNN을 이용한 전체 원자 단백질 서열 설계를 위한 측쇄 조절 및 모델링

본 논문에서는 각 잔기의 서열 동일성과 측쇄 형태를 명시적으로 모델링하는 방법인 FAMPNN(all-atom MPNN)을 제안한다. 이 방법에서는 각 잔기의 이산 아미노산 동일성과 연속 측쇄 형태의 확률 분포가 공동 범주형 교차 엔트로피 및 확산 손실 목표에 의해 학습된다. 명시적 all-atom 모델링의 장점은 서열 복구를 넘어 실험적 결합 및 안정성 측정의 제로샷 예측과 같은 실질적인 단백질 설계 응용 분야로 확장된다.

논문 링크:https://go.hyper.ai/PiNf7

모델 아키텍처 다이어그램

5 AgentsNet: 다중 에이전트 LLM에서의 조정 및 협력적 추론

본 논문에서는 다중 에이전트 추론의 새로운 벤치마크인 AgentsNet을 제안합니다. AgentsNet은 분산 시스템과 그래프 이론의 고전적 문제들을 기반으로, 다중 에이전트 시스템이 주어진 네트워크 토폴로지 하에서 문제 해결 전략을 공동으로 수립하고, 자기 조직화하며, 효과적으로 통신하는 능력을 평가합니다. 연구 결과는 AgentsNet이 사실상 무한한 크기를 가지며 차세대 LLM의 개발을 통해 확장될 수 있음을 보여줍니다.

논문 링크:https://go.hyper.ai/58KXr

모델 아키텍처 다이어그램

이번 주 논문 추천 내용은 여기까지입니다. 더 많은 최첨단 AI 연구 논문을 보시려면 hyper.ai 공식 웹사이트의 "최신 논문" 섹션을 방문하세요.

또한, 연구팀의 고품질 연구 결과와 논문 제출을 환영합니다. 관심 있는 분은 NeuroStar WeChat(WeChat ID: Hyperai01)을 추가해 주세요.

다음주에 뵙겠습니다!