Ursa Major
PulseAugur coverage of Ursa Major — every cluster mentioning Ursa Major across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
新代理系统可自动执行复杂的原子模拟
研究人员开发了一个基于代理的系统，该系统集成到URSA框架中，旨在自动执行复杂的多步原子模拟。该系统能够自主选择原子间势能、构建和执行模拟，并执行迭代误差恢复。通过与LAMMPS和VASP的LAVA等成熟工具包进行基准测试，证明了该代理的科学可靠性，减少了手动干预，并提高了原子建模的严谨性和可重复性。
-
新型E-SpecFormer模型为物联网提供高效射频频谱监测
研究人员开发了E-SpecFormer，这是一种专为边缘设备上高效射频频谱监测设计的新型Transformer模型。该模型包含一种名为LiTAN的新颖注意力机制，可降低计算复杂度并提高准确性。E-SpecFormer有四个变体，其中Nano版本使用最少的参数和处理时间，在调制识别和隐蔽信道检测任务上实现了高精度，使其适用于物联网应用的实时频谱情报。
-
新的URSA基准评估AI在药物发现合成规划中的应用
研究人员推出了URSA，一个旨在评估药物发现中逆合成系统的新的基准框架。URSA不仅评估合成路线收敛到起始原料的能力，还评估其化学合理性，以反映专家化学家的评估。虽然大型语言模型在高层战略规划方面显示出潜力，但专门的深度学习模型在可靠解决合成规划任务方面目前优于它们。
-
NVIDIA Vera CPU 将加速洛斯阿拉莫斯国家实验室的科学智能体 AI
NVIDIA 的 Vera CPU 将为洛斯阿拉莫斯国家实验室 (LANL) 的新超级计算机提供动力，增强科学发现和智能体 AI 能力。名为 Mission、Vision 和 Veritas 的新系统将把 Vera CPU 与 NVIDIA Rubin GPU 和 InfiniBand 网络集成在一起。早期测试表明，Vera CPU 在 URSA AI 智能体和 Branson 模拟工具等科学工作负载上的性能明显优于之前的架构，有望加…
-
KaLM-Reranker-V1：高效文档重排模型发布
研究人员推出 KaLM-Reranker-V1，这是一种新颖的重排模型，专为大规模检索系统的效率而设计。该模型使用具有 Matryoshka 嵌入池化和交叉注意力的编码器-解码器架构来解耦查询和段落的计算。KaLM-Reranker-V1 有三种尺寸：Nano（0.27B 参数）、Small（1B 参数）和 Large（4B 参数）。在 BEIR、MIRACL 和 LMEB 等基准测试上的实验表明，KaLM-Reranker-V1 取…
-
Tessera为边缘AI加速器提供安全、近线速权重流
研究人员开发了Tessera，一种旨在安全地将模型权重流式传输到统一内存架构（UMA）系统中的边缘加速器的新架构。该方法通过实现权重的内联、缓存行粒度解密，解决了在商品设备上保护专有深度神经网络的挑战。Tessera拦截内存突发，并与DRAM获取并行解密，以最小的带宽开销将明文直接流式传输到隔离的NPU SRAM中。