Schrödinger
PulseAugur coverage of Schrödinger — every cluster mentioning Schrödinger across labs, papers, and developer communities, ranked by signal.
-
新框架可实现高效的反射薛定谔桥训练
研究人员开发了一种新的反射薛定谔桥（SBs）训练框架，该框架比现有方法更高效。这种新方法允许像流匹配一样训练反射SBs，避免了复杂的SDE理论和昂贵的高阶导数。该方法在保持生成性能不变或略有提高的同时，训练和推理时间仅增加极少，并通过耦合图像数据集进行了演示。
-
科技初创公司被敦促在市场转变和人才流失之际考虑退出
当市场状况、增长和竞争动态发出转变信号时，科技初创公司领导者应考虑退出。关键指标包括需要外部能力来扩展、顶尖人才寻求新挑战以及市场整合。当潜在合作伙伴开始像收购方一样行事，并且路线图讨论从增长转向保全时，这表明公司的最高估值窗口可能正在打开。
-
神经网络发现 Strichartz 不等式的极值点
研究人员开发了一种新颖的神经网络流程，用于识别 Strichartz 不等式的极值点，这是色散偏微分方程理论中的一个复杂问题。该方法成功地在特定维度和设置中恢复了已知的高斯极值点，支持了现有猜想。此外，该流程还揭示，对于临界的 Airy-Strichartz 不等式，极值点不收敛于 L^2 轮廓，而是组织成 mKdV 呼吸子，这表明了一个关于上确界性质的新猜想。
-
Google DeepMind的AlphaEvolve AI优化TPU，促进商业AI训练和模拟
Google DeepMind宣布推出AlphaEvolve，这是一款AI驱动的编码代理，已集成到其基础设施中以优化硬件和软件。该系统已将Google下一代TPU的效率提高了20%，并将Google Spanner的写入放大率降低了20%。AlphaEvolve现正通过Google Cloud进行商业化推广，早期用户如Klarna和Schrödinger在其各自领域报告了显著的速度提升和效率提高。