Assistant Professor Yunha Hwang utilizes microbial genomes to examine the language of biology. Her appointment reflects MIT’s commitment to exploring the intersection of genetics research and AI.

تستخدم الأستاذة المساعدة يونها هوانغ الجينومات الميكروبية لدراسة لغة البيولوجيا، مما يعكس التزام معهد ماساتشوستس للتكنولوجيا باستكشاف تقاطع أبحاث الوراثة والذكاء الاصطناعي. تعكس هذه التعيينات الأساليب المبتكرة المتبعة في دراسة الكائنات وحيدة الخلية، التي تعتبر من أفضل الكيميائيين في الطبيعة.

La profesora asistente Yunha Hwang está utilizando genomas microbianos para investigar el lenguaje de la biología, lo que refleja el compromiso del MIT con la integración de la investigación genética y la inteligencia artificial. Este nombramiento destaca los enfoques innovadores en el estudio de organismos unicelulares, considerados algunos de los mejores químicos de la naturaleza.

Le professeur assistant Yunha Hwang utilise les génomes microbiaux pour examiner le langage de la biologie, ce qui reflète l'engagement du MIT à intégrer la recherche en génétique et l'intelligence artificielle. Cette nomination met en lumière les approches innovantes dans l'étude des organismes unicellulaires, considérés comme certains des meilleurs chimistes de la nature.

Assistant Professor Yunha Hwang is leveraging microbial genomes to investigate the language of biology, reflecting MIT's commitment to the integration of genetics research and artificial intelligence. This appointment highlights the innovative approaches being taken in the study of single-celled organisms, which are considered some of the best chemists in nature.

3 Questions: Using computation to study the world’s best single-celled chemists

CSAIL researchers find even “untrainable” neural nets can learn effectively when guided by another network’s built-in biases using their guidance method.

اكتشف الباحثون في مختبر علوم الكمبيوتر والذكاء الاصطناعي بجامعة MIT (CSAIL) أن الشبكات العصبية التي اعتُبرت سابقًا 'غير قابلة للتدريب' يمكن أن تتعلم بفعالية عندما تُوجه بواسطة التحيزات المدمجة في شبكة أخرى، باستخدام طريقة تُعرف باسم التوجيه. تتيح هذه الطريقة لهذه الشبكات أن تتماشى لفترة قصيرة وتعدل عمليات التعلم الخاصة بها.

Investigadores del Laboratorio de Ciencias de la Computación e Inteligencia Artificial del MIT (CSAIL) han descubierto que las redes neuronales previamente consideradas 'no entrenables' pueden aprender de manera efectiva cuando son guiadas por los sesgos inherentes de otra red, utilizando un método conocido como guía. Este enfoque permite que estas redes se alineen brevemente y adapten sus procesos de aprendizaje.

Des chercheurs du Laboratoire d'informatique et d'intelligence artificielle du MIT (CSAIL) ont découvert que des réseaux de neurones auparavant jugés 'non entraînables' peuvent apprendre efficacement lorsqu'ils sont guidés par les biais inhérents d'un autre réseau, en utilisant une méthode appelée guidance. Cette approche permet à ces réseaux de s'aligner brièvement et d'adapter leurs processus d'apprentissage.

Researchers at MIT's Computer Science and Artificial Intelligence Laboratory (CSAIL) have discovered that previously deemed 'untrainable' neural networks can learn effectively when guided by another network's inherent biases, utilizing a method known as guidance. This approach allows these networks to align briefly and adapt their learning processes.

Guided learning lets “untrainable” neural networks realize their potential

arXiv:2105.13921v4 Announce Type: replace-cross 
Abstract: This paper presents tensorflow-riemopt, a Python library for geometric machine learning in TensorFlow. The library provides efficient implementations of neural network layers with manifold-constrained parameters, geometric operations on Riemannian manifolds, and stochastic optimization algorithms for non-Euclidean spaces. Designed for integration with TensorFlow Extended, it supports both research prototyping and production deployment of machine learning pipelines. The code and documentation are distributed under the MIT license and available at https://github.com/master/tensorflow-riemopt

تم تقديم مكتبة بايثون جديدة تُدعى tensorflow-riemopt، مصممة للتعلم الآلي الهندسي ضمن TensorFlow. توفر هذه المكتبة تنفيذات فعالة لطبقات الشبكات العصبية مع معلمات مقيدة بالمنحنيات، وعمليات هندسية على المنحنيات الريمانية، وخوارزميات تحسين عشوائية مصممة لمساحات غير إقليدية.

Se ha presentado una nueva biblioteca de Python llamada tensorflow-riemopt, diseñada para el aprendizaje automático geométrico dentro de TensorFlow. Esta biblioteca proporciona implementaciones eficientes de capas de redes neuronales con parámetros restringidos a variedades, operaciones geométricas en variedades riemannianas y algoritmos de optimización estocástica adaptados a espacios no euclidianos.

Une nouvelle bibliothèque Python nommée tensorflow-riemopt a été introduite, conçue pour l'apprentissage automatique géométrique au sein de TensorFlow. Cette bibliothèque propose des implémentations efficaces de couches de réseaux de neurones avec des paramètres contraints par des variétés, des opérations géométriques sur des variétés riemanniennes et des algorithmes d'optimisation stochastique adaptés aux espaces non euclidiens.

A new Python library named tensorflow-riemopt has been introduced, designed for geometric machine learning within TensorFlow. This library features efficient implementations of neural network layers with manifold-constrained parameters, geometric operations on Riemannian manifolds, and stochastic optimization algorithms tailored for non-Euclidean spaces.

3 Questions: Using computation to study the world’s best single-celled chemists

Was this article worth reading? Share it

Ready to build your own newsroom?