Bewegungen genau vorhersagen zu können ist eine wichtige Fähigkeit für Mensch und Tier, aber auch für zahlreiche KI-Anwendungen – vom autonomen Fahren bis hin zur Robotik. Forschende der Technischen Universität München (TUM) haben nun herausgefunden, dass dies künstlichen neuronalen Netzwerken besser gelingt, wenn sie mit biologischen Daten aus der frühen Entwicklung des Sehsinns trainiert werden.
Das Training von neuronalen Netzen für Künstliche Intelligenz (KI) erfordert enorme Rechenressourcen und damit sehr viel Strom. Forschende der Technischen Universität München (TUM) haben eine Methode entwickelt, die hundertmal schneller und damit wesentlich energieeffizienter funktioniert. Statt iterativ, also schrittweise vorzugehen, werden die Parameter auf Grundlage ihrer Wahrscheinlichkeit direkt aus den Daten berechnet. Die Qualität der Ergebnisse ist mit den bislang üblichen iterativen Verfahren vergleichbar.
Der menschliche Körper setzt sich aus etwa 75 Milliarden einzelner Zellen zusammen. Doch welcher Funktion jede dieser Zellen nachgeht und wie sich die Zellen eines gesunden Menschen von Personen mit einer Erkrankung unterscheiden, sind dabei entscheidenden Fragen. Um Rückschlüsse ziehen zu können, müssen riesige Datenmengen analysiert und interpretiert werden. Dafür wird auf Methoden des maschinellen Lernens zurückgegriffen.
Neue Fahrzeuge zu designen ist teuer und zeitaufwendig. Daher kommt es zwischen den Modell-Generationen in der Regel nur zu kleinen Veränderungen. Mit "DriverAerNet++" haben Forschende der Technischen Universität München (TUM) und des Massachusetts Institute of Technology (MIT) nun den grössten Open-Source-Datensatz für Autoaerodynamik entwickelt. Über 8.000 Modelle, die die gängigsten Fahrzeugtypen repräsentieren, sollen es laut Mitteilung ermöglichen, mithilfe von Künstlicher Intelligenz (KI) effizientere Designs zu entwerfen.
Menschen und Tiere bewegen sich – ohne bewusst darüber nachzudenken – besonders ökonomisch, indem sie die Eigenschwingungen ihres Körpers nutzen. Ein neues Tool von Forschenden der Technischen Universität München (TUM) ist nun erstmals in der Lage, dieses Wissen für die effizientere Bewegung von Robotern zu nutzen.
Mit einem neuen Software-Plugin wollen Forscher der Technischen Universität München (TUM) im Projekt "ECOlogical building enveLOPES - Ecolopes" Aussenhüllen von Gebäuden zu Lebensräumen für Tiere, Pflanzen und Mikroorganismen machen. Der smarte Algorithmus bringt, so die Experten, dieses Wissen schon in den Planungsprozess ein.
Die Ablehnung eines studentischen Bewerbers für einen Masterstudiengang wegen eines mit ChatGPT generierten Essays durch die Technische Universität München (TUM) ist rechtens. Das hat das Verwaltungsgericht München in seiner jüngsten Entscheidung klargestellt.
Ein Team der Technischen Universität München (TUM) hat einen Computerchip entworfen und fertigen lassen, der Post-Quanten-Kryptografie besonders effektiv umsetzt. Solche Chips könnten in Zukunft vor Hacker-Angriffen mit Quantencomputern schützen. In den Chip haben die Forscher zudem Hardware-Trojaner eingebaut. Sie wollen untersuchen, wie solche "Schadfunktionen aus der Chipfabrik" enttarnt werden können.
