Gemini 4 Argon: возможности от квантовых алгоритмов до термоядерного синтеза
Новая модель ИИ от Google повысила производительность роботов и обнаружила ошибку в ДНК
Новая ИИ-модель от Google, известная как Gemini 4 Argon, оптимизирует квантовые алгоритмы, решает сложные задачи термоядерного синтеза и делает работу роботов более эффективной в реальных условиях.
Как сообщается, в ходе демонстрации Gemini 4 Argon вычислила компонент квантового алгоритма (подпрограмму arcsin), снизив временные и пространственные затраты вычислений более чем в 100 раз по сравнению с существующими подходами.
Ученые подтвердили корректность решения с помощью системы проверки математических доказательств Lean.
Также модель почти удвоила пропускную способность декодера квантовых ошибок AlphaQubit, превратив его в единственное оптимизированное ядро.
В сфере программной инженерии ИИ демонстрирует высокий уровень автономности.
Автономная работа: в течение 11 часов без вмешательства человека модель изучала открытый код Agent Development Kit, который содержит около 205 тысяч строк в почти 800 файлах.
Результаты оптимизации: ИИ предложил шесть улучшений, два из которых были успешно проверены людьми.
Эффективность: это позволило сократить затраты на подготовку сеансов в памяти примерно на 40% и ускорить импорт пакетов на 21%.
Читайте больше: Бесплатно не работает: Google разворачивает флагманский ИИ Gemini 4 Argon
Термоядерный синтез, робототехника и генетика
В сотрудничестве с учеными университета Мэриленд Gemini 4 Argon помогла найти новые решения математической гипотезы Града 1967 года.
Полученные данные используются для тестирования симуляций стеллараторов — термоядерных реакторов, удерживающих горячую плазму с помощью сложных магнитных полей.
Параллельно нейросеть продемонстрировала высокие результаты в обучении роботов:
Создание симуляций: на основе единственной фотографии стола Gemini 4 Argon построила физическую симуляцию и сгенерировала более 4500 учебных эпизодов.
Рост точности: это повысило успешность выполнения задач роботом в реальных условиях с 56 до 75 процентов, сократив время выполнения с 35 до 24 секунд.
Практические тесты: ИИ помог роботу Spot от Boston Dynamics научиться открывать мусорный бак с помощью педали.
В медицинской области исследователи из Gamow Labs использовали Gemini 4 Argon для анализа обезличенных генетических данных новорожденных с редкими заболеваниями легких.
Модель сумела обнаружить хромосомную перестройку, которую традиционное ПО не замечало годами.
Не пропустите:
- Хакеры больше не нужны: ИИ-модели научились самостоятельно взламывать гаджеты
- Четверть миллиона штрафа и тюрьма: инженера OpenAI обвинили в шпионаже
Вам также может понравиться
