Intel Labs presentará investigaciones de IA líderes en la industria en NeurIPS 2023

Intel Labs destacará 31 proyectos de investigación que están dando forma al futuro de la innovación de IA.

Noticias

  • 6 de diciembre de 2023

  • Contacta al equipo PR de Intel

  • Siga las noticias de Intel en las redes sociales:

    Logotipo de Twitter
    Icono de YouTube

author-image

Por

Intel Labs exhibirá algunas de sus innovaciones de IA más significativas y pioneras en la industria en NeurIPS 2023 , el evento global líder para desarrolladores, investigadores y profesionales académicos centrado en las tecnologías de IA y visión computarizada. El evento tendrá lugar del 10 al 16 de diciembre en Nueva Orleans.

En NeurIPS 2023, Intel Labs presentará investigaciones de IA líderes en la industria y compartirá la visión de "AI Everywhere" de la compañía con una comunidad diversa de innovadores y líderes de opinión. Durante la conferencia, Intel Labs presentará 31 documentos, incluidos 12 documentos principales de la conferencia y 19 documentos de taller y demostraciones en el stand #405. La investigación se centra en nuevos modelos, métodos y herramientas para aplicaciones de IA en ciencia, así como aprendizaje de gráficos, IA generativa multimodal y algoritmos y tecnologías de optimización para su uso en casos de uso de esta tecnología, incluido el modelado climático, el descubrimiento de fármacos y la ciencia de materiales.

Además, Intel Labs organizará el "AI for Accelerated Materials Discovery (AI4Mat) Workshop" el 15 de diciembre, que proporcionará una plataforma para que los investigadores de IA y los científicos de materiales aborden los desafíos en el descubrimiento y desarrollo de materiales impulsados por  inteligencia artificial.

La investigación que presentará Intel Labs en NeurIPS 2023 se puede categorizar de la siguiente manera, cada una con hallazgos impactantes:

IA para la ciencia

 

  • Modelos de codificación cerebral: Basados en transformers multimodales, son modelos co-desarrollados con investigadores de la Universidad de Texas en Austin que pueden predecir respuestas cerebrales, especialmente en regiones corticales que representan significado conceptual y ofrecen ideas sobre la capacidad del cerebro para el procesamiento multimodal.

  • ClimateSet: Conjunto de datos de modelos climáticos a gran escala desarrollado en colaboración con el Instituto de Inteligencia Artificial de Quebec (Mila). Este conjunto de datos permite el rápido pronóstico de nuevos escenarios de cambio climático y sirve como base para que la comunidad de aprendizaje automático desarrolle aplicaciones innovadoras centradas en el clima.
  • HoneyBee: LLM de última generación desarrollado conjuntamente con Mila para que los investigadores entiendan la ciencia de los materiales más rápidamente.

 

IA generativa multimodal

 

  • COCO-Contrafactuales: Una técnica multimodal para generar datos sintéticos contrafactuales que mitiga los sesgos estadísticos incorrectos en modelos multimodales preentrenados. Esto ayuda a mejorar el rendimiento de los modelos de inteligencia artificial en diversas tareas, como la recuperación de imágenes y texto, y el reconocimiento de imágenes.
  • LDM3D-VR: modelo de difusión latente para realidad virtual 3D (VR) para simplificar la generación de video 3D para aplicaciones de IA.
  • CorresNeRF: Método de representación de imágenes que utiliza campos de resplandor neuronal para reconstruir una representación 3D de una escena a partir de imágenes 2D.

 

Mejora del desempeño de la IA

 

  • DiffPack: Un método generativo de IA para el modelado de proteínas con el fin de ayudar a garantizar que las estructuras 3D generadas reflejen las propiedades estructurales reales de las mismas.
  • InstaTune: Un método que genera una superred durante la etapa de ajuste fino para reducir el tiempo total y los recursos informáticos necesarios para el almacenamiento conectado en red (NAS, por sus siglas en inglés).

 

Aprendizaje de gráficos

 

  • A*Net: El primer método basado en trayectorias de la industria para el razonamiento de grafos de conocimiento con un conjunto de datos a escala de millones, lo que permite escalar a conjuntos de datos más allá del alcance computacional y mejorar la precisión de los modelos de lenguaje de gran tamaño (LLMs, por sus siglas en inglés).
  • ULTRA: El primer modelo base de la industria para el razonamiento de grafos de conocimiento y un nuevo enfoque para aprender representaciones de grafos universales y transferibles junto con sus relaciones.
  • Perfograph: Un novedoso compilador basado en representación de programas de grafos que puede capturar información numérica y la estructura de datos compuesta para mejorar la capacidad de los métodos de aprendizaje automático para razonar sobre los lenguajes de programación.

 

Para obtener más información sobre la colección completa de investigaciones destacadas en el evento, lea la publicación detallada del evento y vea el video de Intel Labs en la parte superior de esta página, o visite Intel Labs en NeurIPS (stand #405).

También puede encontrar información adicional sobre el evento en el sitio web de NeurIPS 2023.

Nota del editor: la sección de modelos de codificación cerebral de esta publicación de noticias se actualizó después de su publicación el 6 de diciembre de 2023.”