airi_research_institute

Кратное ускорение вычислений за счёт автоматической эволюции GPU ядер Исследователи AIRI выложили в открытый доступ фреймворк автоматической генерации и оптимизации GPU ядер сгенерированные им ядра более эффективны и позволяют снижать стоимость вычислений GPU ядра kernels реализуют ключевые операции в ИИ системах Часто их нужно оптимизировать тогда компании пишут собственные CUDA или Triton ядра операции ускоряются что позволяет экономить тысячи GPU часов и десятки миллионов рублей в год Но создавать такой код дорого и долго а подходящих инженеров мало KernelEvo заменяет ручной перебор гипотез автоматическими циклами поиска с обратной связью генерируя варианты CUDA или Triton реализации запуская тесты и исправляя ошибки GitHub GitVerse ТАСС Хабр

В финальный научный день AIJ Институт AIRI представил GigaEvo платформу для автоматизации научных экспериментов по ИИ В отличие от существующих решений GigaEvo использует эволюционный поиск стратегий обучения что позволяет системе самостоятельно находить и улучшать лучшие подходы без постоянного участия специалистов Платформа автоматизирует подбор архитектур оптимизацию гиперпараметров и тестирование моделей сокращая время исследований и повышая качество результатов GigaEvo интегрируется с AutoML и MLOps поддерживает облачные и корпоративные среды а также обеспечивает полный контроль над экспериментами в реальном времени Тесты показали что GigaEvo успешно воспроизводит сложные математические задачи и масштабирует исследовательские процессы которые раньше требовали дорогой инфраструктуры В перспективе платформа поможет ускорить научные и прикладные разработки в разных сферах от Data Science до промышленности и финансов Интерфейс GitHub ТАСС

Учёные Института AIRI создали открытую платформу VLA Arena чтобы исследователи инженеры и даже любители могли сравнивать и оценивать современные модели управления роботами VLA Arena поддерживает компактные манипуляторы доступные для самостоятельной сборки или в готовом виде которые используются в образовательных и исследовательских целях На платформе можно Тестировать модели в симуляции и на реальных роботах Следить за объективной таблицей лидеров с оценками пользователей Поддерживать модели с открытым исходным кодом включая адаптированные для русского языка версии Найти датасеты и инструменты для обучения собственных моделей Первый запуск платформы продлится три месяца VLA Arena доступна по ссылке

Искусственный интеллект научился переводить древнеегипетские иероглифы Группа учёных Института AIRI ИСП РАН и ИТМО под руководством PhD ведущего научного сотрудника Ильи Макарова создала систему которая распознаёт и переводит древнеегипетские иероглифы с высокой точностью Основой для обучения модели стал Thesaurus Linguae Aegyptiae самое полное собрание древнеегипетских текстов с переводами Сначала применялись автоматические метрики затем тексты оценивали профессиональные египтологи из НИУ ВШЭ Распознавание иероглифов сложная задача вместо алфавита из 30 40 букв система должна понимать сотни похожих символов с уникальным значением Для повышения точности ученые использовали контекстуальные OCR модели и диффузионные модели генерирующие реалистичные изображения для расширения обучающего набора В ходе проекта создаются новые технологии распознавания рукописных текстов которые востребованы при создании и обогащении больших языковых моделей в условиях недостатка данных В перспективе разработку можно будет использовать например в мобильных приложениях дополненной реальности Разработка уже представлена на международных конференциях SIGGRAPH 2025 и IEEE ISMAR а несколько научных статей приняты к публикации на ведущих конференциях уровня A Система доступна по запросу для специалистов Подробности в материале РИА Новостей

Издательство Elsevier опубликовало новую базу данных по публикационной активности самых успешных учёных мира База содержит ключевые показатели количество публикаций число цитирований индекс Хирша с учётом и без учёта самоцитирования а также производные параметры На основе этих данных каждому учёному присваивается ранг в общем рейтинге и в рейтинге по научным областям База охватывает топ 2 исследователей по этим показателям в мире В этом году в этот список от AIRI были включены доктор физико математических наук профессор РАН генеральный директор AIRI Иван Оселедец 35 977 е место в общем рейтинге и 790 е в области Artificial Intelligence Image Processing доктор физико математических наук ведущий научный сотрудник AIRI руководитель Центра искусственного интеллекта Сколтеха Евгений Бурнаев 340 211 е место в общем рейтинге и 7 813 е в области Artificial Intelligence Image Processing Поздравляем коллег с этим достижением

Исследователи AIRI и Сколтеха создали первую в мире открытую платформу для объективного сравнения алгоритмов определения биологического возраста человека так называемых часов старения Работа объединила крупнейший в мире открытый набор данных по метилированию ДНК и стандартизированную методологию оценки что впервые позволило системно сравнить разные модели для которых раньше не было единого эталона В исследовании были протестированы 13 ведущих моделей часов старения на основе унифицированного набора из более чем 17 000 образцов По итогам сравнения лучшей была признана модель PhenoAge второго поколения созданная под руководством Морган Левин Йельский университет второе место заняла разработка GrimAge Стив Хорват Калифорнийский университет Биологические часы имеют широкую практическую ценность Они могут использоваться для оценки эффективности антивозрастных препаратов кластеризации пациентов по рискам заболеваний мониторинга здоровья в клинических исследованиях а также встраиваются в носимые устройства для расчета индекса здоровья Платформа и собранный массив данных с открытой лицензией Creative Commons Это позволяет исследователям со всего мира свободно использовать проверять и совершенствовать инструменты для подсчета биологического возраста Подробнее читайте в материале Компьютерры Научная статья GitHub Hugging Face Йельский университет США организация деятельность которой признана нежелательной на территории России

Новая модель для генерации белковых молекул в 100 раз компактнее аналогов при этом превосходит их в эффективности Машинное обучение открыло дорогу к более эффективному предсказанию аминокислотных последовательностей которые могли бы обеспечить необходимые свойства белков Обычно для этого применяют авторегрессионные подходы или дискретную диффузию но существующие решения требуют большого размера моделей и огромного количества данных для обучения Ученые из Института AIRI и немецкого Constructor University предложили новую модель под названием DiMA которая опирается на непрерывные представления белков и латентную диффузию Эксперименты проведённые авторами показали что DiMA генерирует белки с качеством не уступающим таковому у моделей с миллиардами параметров являясь при этом гораздо более компактной Статья с подробным описанием новой модели была представлена на конференции ICML 2025 Подробнее читайте в материале ТАСС Научная статья GitHub

Новый фреймворк сократит расходы на сбор и разметку данных для больших языковых моделей в 3 раза Российская команда разработчиков из R&D-центра Т-Технологий, AIRI, Высшей школы экономики, университета «Иннополис» и Центра практического искусственного интеллекта Сбера создала ATGen — первый комплексный фреймворк, который существенно упрощает и удешевляет обучение больших языковых моделей для задач генерации текста. Он подходит в том числе для небольших команд и делает возможным разметку и сбор данных без больших бюджетов. Фреймворк использует парадигму активного обучения, при которой сама модель на каждом этапе выбирает, какие новые примеры ей нужны для максимального роста точности. ATGen также предоставляет удобный веб-интерфейс для ручной разметки данных, инструменты для оценки моделей с помощью популярных метрик для генеративных задач, интеграции с большими языковыми моделями-«учителями», включая OpenAI и Anthropic, а также современные методы эффективного обучения и инференса моделей PEFT, vLLM, Unsloth и других . Исследование было представлено на конференции ACL 2025, которая прошла в Австрии. Подробнее — в материале ТАСС. Научная статья GitHub

AIRI на WAIC 2025 в Шанхае Иван Оселедец, Андрей Кузнецов, Пэни Ли, Константин Яковлев, Евгений Бурнаев и Семен Буденный выступили на сессии международной конференции AI Journey и приняли участие в форсайт-сессии AI Horizons на крупнейшей AI-конференции Восточной Азии — WAIC 2025. На ней российские и китайские эксперты обсудили, куда движутся генеративные модели, как искусственный интеллект меняет бизнес и какие вызовы ждут индустрию. На конференции исследователи AIRI представили сразу несколько разработок: медицинского AI-помощника, модели Vintix для анализа данных, CADrille для 3D-восстановления промышленных деталей, LLM microscope, генерацию изображений для e-commerce, видеоаналитику для ритейла и MAPF GPT для моделирования движения агентов. На фотографиях — атмосфера мероприятия в Китае

Вместе с Томским государственным университетом открыли лабораторию искусственного интеллекта в химии и молекулярной инженерии Лаборатория займется разработкой и внедрением методов искусственного интеллекта для создания новых материалов и лекарств на основе анализа химических, биологических и медицинских данных. Научным руководителем по ИИ станет Артур Кадурин, руководитель группы «Глубокое обучение в науках о жизни» AIRI. Открытие состоялось на площадке Инжинирингового химико-технологического центра в Томске. Лаборатория будет использовать ИИ для разработки новых медицинских препаратов и моделирования свойств химических соединений. Например, исследователи будут создавать методы прогнозирования физико-химических свойств химических соединений и алгоритмы анализа квантовых закономерностей в атомной и молекулярной физике, включая макроскопические квантовые эффекты. Рады начать совместную работу!