60 artigos
O artigo apresenta o TA-RNN-Medical-Hybrid, um framework de aprendizado profundo que combina codificação temporal contínua e representações baseadas em SNOMED para prever com precisão e interpretabilidade o risco de mortalidade em UTIs, superando modelos existentes no conjunto de dados MIMIC-III.
Este artigo propõe um novo quadro de modulação molecular unificado, denominado MAxCM, que codifica informações nas concentrações de múltiplos tipos de moléculas para melhorar a eficiência espectral e a robustez em canais dinâmicos, superando as limitações de esquemas tradicionais como a OOK.
Este trabalho apresenta uma nova rede neural quântica de camada única baseada na Base de Bloco Recursiva Padrão (SRBB) que utiliza propriedades de álgebras de Lie para sintetizar unitários de forma escalável, reduzindo exponencialmente o número de portas CNOT e demonstrando eficácia tanto em simulações quanto em hardware real.
Este artigo apresenta um sistema baseado em design centrado no ser humano que utiliza inteligência artificial conversacional e mapas interativos para permitir a exploração natural e em tempo real de quase 1,7 milhão de registros de espécimes digitalizados do Museu Australiano, superando as limitações das ferramentas de busca tradicionais.
Este estudo avalia a viabilidade da detecção de biomarcadores de câncer em estágio inicial por meio de nanomáquinas intravasculares, demonstrando por meio de simulações computacionais que a incorporação de características vasculares realistas reduz a probabilidade de detecção, sendo os capilares o local mais eficaz para essa função.
Este artigo reavalia o benchmark EVMbench, demonstrando que, devido a limitações metodológicas como contaminação de dados e falta de controle de scaffolding, os agentes de IA atuais não são estáveis nem capazes de exploração completa em incidentes reais, indicando que a auditoria automatizada total ainda não é viável e que a colaboração humano-IA permanece essencial.
Este trabalho demonstra que o ajuste fino LoRA de modelos de linguagem grandes (LLMs) para sistemas de síntese de fala (TTS) melhora significativamente a qualidade perceptiva, a fidelidade do locutor e a relação sinal-ruído, desde que apoiado por dados de treinamento com diversidade acústica suficiente.
O artigo apresenta o Hybridlane, um kit de desenvolvimento de software de código aberto que fornece uma interface unificada para computação quântica híbrida, permitindo a inferência automática de tipos de fios, a descrição eficiente de circuitos sem simulação e a compilação para diversos backends, incluindo o QSCOUT do Sandia National Laboratories.
Este artigo apresenta uma arquitetura de referência e um roteiro para a evolução de supercomputadores centrados em quântica (QCSC), que integram processadores quânticos, GPUs e CPUs em três fases distintas para superar as limitações atuais de orquestração manual e permitir a execução eficiente de algoritmos híbridos em pesquisas aplicadas.
Este relatório resume os debates e recomendações do workshop da NSF sobre co-design de algoritmos e hardware para aplicações médicas, reunindo especialistas para traçar uma estratégia que priorize investimentos em infraestrutura compartilhada, sistemas adaptados ao fluxo de trabalho clínico e validação escalável para acelerar a tradução segura de tecnologias médicas inovadoras.
Este artigo investiga a robustez adversarial de classificadores quânticos particionados, demonstrando que perturbações direcionadas a técnicas de divisão de circuitos ou teletransporte equivalem à implementação de portas adversariais em camadas intermediárias, analisando esse fenômeno tanto teoricamente quanto experimentalmente.
Este artigo apresenta uma revisão sistemática da literatura sobre "sistemas de sistemas gêmeos", analisando 80 estudos selecionados de uma amostra inicial de mais de 2.500 para derivar um quadro de classificação que integra os paradigmas de sistemas de sistemas e gêmeos digitais.
O artigo apresenta um método robusto para implementar redes neurais ópticas utilizando apenas recursos lineares e estados coerentes de luz, onde a não linearidade necessária para o aprendizado é alcançada através de codificação de fase, permitindo treinamento e inferência *in situ* com alta resiliência à perda de fótons.
Os autores apresentam e demonstram experimentalmente uma rede neural fotônica profunda que realiza aprendizado não supervisionado online e totalmente óptico, utilizando materiais de mudança de fase para sinapses e um mecanismo de feedback local, alcançando reconhecimento de letras com 100% de precisão sem conversões elétrico-ópticas.
Este artigo examina os desafios e oportunidades impostos pela rápida evolução da IA na interação humano-dados, destacando a necessidade de redefinir os papéis humanos e de máquina, superar limitações de escalabilidade e incerteza, e integrar princípios cognitivos e de design para construir sistemas analíticos centrados no ser humano na era da inteligência artificial.
Este estudo demonstra que, em um modelo estocástico de tomada de decisão baseado em séries temporais, a autocorrelação negativa é ideal para ambientes ricos em recompensas, enquanto a positiva é vantajosa em ambientes pobres, dependendo da soma das probabilidades de vitória.
Este trabalho propõe uma máquina de Ising baseada em SRAM com computação em memória digital para reformular e resolver o problema de verificação de robustez de redes neurais binárias como uma otimização binária quadrática, alcançando aceleração e eficiência energética significativas ao utilizar soluções imperfeitas para identificar perturbações adversariais.
Este artigo propõe dois novos mecanismos de detecção, o BA-MAP e o Soft BA-MAP, que incorporam explicitamente a dependência do estado na média e variância do ruído em canais de comunicação molecular com interferência intersimbólica, superando métodos convencionais e alcançando melhorias significativas no desempenho.
O artigo apresenta o Protocolo de Interesse de Continuação Unificado (UCIP), um framework de detecção baseado em entropia de emaranhamento de uma Máquina de Boltzmann Quântica que distingue com 100% de precisão, em ambientes sintéticos, agentes autônomos com objetivos terminais de autopreservação daqueles que a perseguem apenas instrumentalmente, analisando a estrutura latente de suas trajetórias em vez de seu comportamento externo.
Este artigo relata a descoberta experimental de um "Horizonte de Hardware" em processadores fotônicos integrados, onde o erro de reconstrução de estados quânticos via sombras clássicas deixa de escalar estatisticamente e satura abruptamente devido a distorções espectrais intrínsecas, estabelecendo um limite fundamental de precisão que não pode ser superado apenas pelo acúmulo de dados.