Metallverarbeitung mittels Laser ermöglicht die automatisierte und präzise Herstellung von komplexen Bauteilen, sei es für die Autoindustrie oder für die Medizin. Die gängigen Verfahren benötigen jedoch aufwändige Vorversuche. Forschende der Empa in Thun nutzen maschinelles Lernen, um Laserverfahren präziser, günstiger und effizienter zu machen.
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.
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.
Der 1977 geborene und aus Polen stammende Informatiker Adam Jatowt wurde bei der European Conference on Information Retrieval (ECIR) dieses Jahr in Dublin für den Artikel "Temporal Natural Language Inference: Evidence-Based Evaluation of Temporal Text Validity" mit dem Best Paper Award ausgezeichnet.
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.
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.
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.
Methoden des maschinellen Lernens helfen bei der Entwicklung von Antikörper-Medikamenten, diese zu optimieren. Das führt zu Wirkstoffen mit verbesserten Eigenschaften, auch bezüglich Verträglichkeit im Körper.
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 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.
