Supercaps 2.0 speichern viermal mehr Energie

Mit maschinellem Lernen zum Superkondensator (Illustration: Tao Wang, ornl.gov)

Mit einem neuen Elektrodenmaterial lassen sich Superkondensatoren, sogenannte "Supercaps", bauen, die viermal mehr elektrische Energie speichern als die besten Systeme, die kommerziell erhältlich sind. Das Kunststück ist Chemikern am Oak Ridge National Laboratory (ORNL) gelungen. "Wir haben unsere Erfahrung und maschinelles Lernen kombiniert, um das bestmögliche Material zu identifizieren", so Tao Wang vom ORNL, der auch an der University of Tennessee arbeitet. "Das ist ein echter Meilenstein", freut sich sein Amtskollege Sheng Dai.

Maschinelles Lernen sagt fast alle Hits vorher

Junge Frau hört Musik: Maschinelles Lernen hat Hits parat (Foto: pixabay.com, whoalice-moore)

Forscher der Claremont Graduate University können mit einer Wahrscheinlichkeit von 97 Prozent Vorhersagen zu kommenden Hits abgeben. Möglich wird dies durch maschinelles Lernen (ML), angewandt auf Reaktionen des Gehirns. Die dazugehörige Studie wurde jüngst in "Frontiers in Artificial Intelligence" publiziert. "Durch die ML-Anwendung auf neurophysiologische Daten konnten wir Hits nahezu perfekt identifizieren", so Hauptautor Paul Zak. "Dass die neuronale Aktivität von 33 Personen vorhersagen kann, ob Millionen von anderen Menschen neue Songs gehört haben, ist ziemlich erstaunlich.

Neue KI-Modelle lernen bald an Edge-Geräten

Modell für maschinelles Lernen auf Edge-Geräten: ermöglicht Anpassung an neue Daten (Bild: mit.edu)

Dank einer neuen Technik lernen KI-Modelle künftig kontinuierlich aus neuen Daten auf intelligenten Edge-Geräten wie Smartphones und Sensoren. Damit lassen sich Energiekosten und Datenschutzrisiken verringern. Die Technik entwickeln Forscher des Massachusetts Institute of Technology (MIT) und des MIT-IBM Watson AI Lab. Details werden in wenigen Wochen an der "Conference on Neural Information Processing Systems" präsentiert.

Computermodell für rasche Alzheimer-Diagnose

Alzheimer: künftig mit Online-Tool zu diagnostizieren (Foto: pixabay.com, geralt)

Es braucht viel Zeit und Geld, um eine Alzheimer-Diagnose zu erstellen. Forscher der Boston University haben jetzt ein neues Tool entwickelt, das diesen Vorgang automatisieren und schliesslich online durchführbar machen könnte. Das mit maschinellem Lernen ausgestattete Berechnungsmodell kann eine kognitive Beeinträchtigung mittels der Tonaufzeichnungen von neuropsychologischen Tests erkennen. Ein persönlicher Termin ist dafür nicht notwendig. Die Forschungsergebnisse wurden in "Alzheimers Disease & Dementia" veröffentlicht.

Wie Maschinelles Lernen im Unternehmen gelingt

Symbolbild: Pixabay/The Digital Artist

Gerade im Forschungsfeld Künstliche Intelligenz (KI) und ihrer Teildisziplin, dem Maschinellen Lernen (ML), liegen die Schweiz und Europa im Allgemeinen gut im Rennen. Dies bestätigte auch Philippe Cudré-Mauroux, Direktor des Exascale Infolabs und Professor für Informatik an der Universität Fribourg, in einem Gespräch mit der Plattform "Fokus". Der Experte für Nextgen-Infrastrukturen für Big Data und KI räumt jedoch ein, dass Europa und die Schweiz beim praktischen Einsatz der modernen KI- und ML-Modelle im Vergleich zum Spitzenreiter USA und der starken Konkurrenz China zurückliegen.

Soft-Roboter bekommt flexiblen Muskel verpasst

Aufbau und Test eines flexiblen Sensors im Labor (Foto: Nakajima et al.)

Forscher an der University of Tokyo haben einen Sensor für Soft-Roboter entwickelt, dessen Seele ein Gummischlauch ist. Er ist mit Kohlenstoffpartikeln angereichert, sodass er eine geringe elektrische Leitfähigkeit hat. Umhüllt ist er von einem Geflecht aus Draht. Wenn dieses Gebilde gestreckt beziehungsweise zusammengedrückt wird, wie es bei künstlichen Muskeln geschieht, verändert sich der elektrische Widerstand des Schlauchs. Dies lässt sich nutzen, um den Muskel zu steuern, sodass er möglichst wenig belastet wird und sich an die Umgebung anpasst.

Künstliche Intelligenz: Maschinen lernen Chemie

Symbolbild: Pixabay/ Geralt

Künstliche Intelligenz hat in den vergangenen Jahren Einzug in den Alltag von Menschen gehalten, sei dies beim autonomen Fahren, der Übersetzung von Fremdsprachen oder in der medizinischen Diagnostik. Auch in der chemischen Forschung sind die Bestrebungen gross, künstliche Intelligenzen, maschinelles Lernen genannt, effektiv anzuwenden. Chemiker konnten solche Technologien bereits erfolgreich einsetzen, um die Eigenschaften einzelner Moleküle vorherzusagen – was es ihnen erleichtert, die herzustellenden Verbindungen auszuwählen.

Maschinelles Lernen: Kreislaufversagen voraussagen

Mit der neuen Methode liesse sich die Anzahl der Alarmen auf einer Intensivstation auf einen Zehntel reduzieren (Symbolbild). (Bild: Kiryl Lis / Adobe Stock)

Forschende der ETH Zürich und des Inselspitals Bern entwickelten eine Methode, mit der Kreislaufversagen von PatientInnen auf der Intensivstation mit hoher Zuverlässigkeit vorhergesagt werden kann. Medizinisches Personal kann so früher intervenieren. Dem Ansatz zugrunde liegt die Auswertung umfangreicher Patientendaten durch Methoden des maschinellen Lernens.

Seiten

Maschinelles Lernen abonnieren