Pilula koja svijetli u crijevima inovativan je alat za neinvazivnu detekciju gastrointestinalnih krvarenja i bolesti poput kolitisa. Razvili su je kineski znanstvenici s Instituta za biotehnologiju i medicinsku kemiju na Sveučilištu za znanost i tehnologiju u Suzhouu, koristeći mikroskopske hidrogelne kuglice ispunjene genetski modificiranim bakterijama koje svijetle u prisutnosti krvi.

Nakon što se progutaju, kuglice se magnetski prikupljaju iz stolice i analiziraju u manje od pola sata. Pokusi na miševima pokazali su da svjetlina odgovara težini bolesti. Ova metoda, predstavljena u časopisu ACS Sensors, mogla bi, nadaju se njeni tvorci, potpuno izmijeniti način na koji se danas dijagnosticiraju crijevne bolesti i drastično smanjiti potrebu za uvijek neugodnim i počesto bolnim kolonoskopijama.​ 

AI arhitektura inspirirana ljudskim mozgom

AI startup Pathway predstavio je model "Dragon Hatchling" čija arhitektura simulira neuronsko povezivanje mozga i sposobnost prilagodbe na nove informacije tijekom vremena. Ovaj model, za razliku od klasičnih transformera, može automatski mijenjati vlastite neuronske veze, što omogućuje bolju generalizaciju i dugoročnu prilagodbu.

Stručnjaci ga smatraju potencijalnom karikom prema stvaranju umjetne opće inteligencije (AGI), jer povezuje današnje generativne AI sustave s budućim, mozgom inspiriranim modelima inteligencije. Ovaj pristup, opisan u arXivu, otvara put ka sigurnijim i efikasnijim autonomnim AI sustavima.

Gljiva kao prirodni izolator

Istraživači Sveučilišta Maine razvili su novu tehnologiju hidroizolacije papira i tkanina pomoću jestive gljive Trametes versicolor, poznate kao "puranov rep". U časopisu Langmuir objavljena je studija koja pokazuje kako se uz pomoć micelija ove gljive i celuloznih nanofibrila može stvoriti prirodni, za hranu siguran premaz otporan na vodu, ulje i masti.

Premaz je testiran na papiru, traperu, poliesterskom filcu i tankom drvetu, gdje je uspješno spriječio prodor tekućina bez dodatnog zadebljanja materijala. Ova inovacija, kažu, nudi održivu alternativu jednokratnoj plastici i sintetičkim premazima, s ciljem smanjenja otpada i zaštite okoliša.

Perlmutterova simulacija kvantnog čipa

Superračunalo Perlmutter, smješteno u Nacionalnom centru za znanstvena računalna istraživanja i istraživanje energije NERSC, iskoristilo je 7168 NVIDIA GPU-a za simulaciju kvantnog mikročipa. Koristeći alat ARTEMIS, istraživači Berkeley Laba i Kalifornijskog sveučilišta u Berkeleyju podijelili su čip dimenzija 10 x 0,3 mm u nevjerojatnih 11 milijardi mrežnih ćelija, što je omogućilo detaljnu analizu svakog sloja i njegovog elektromagnetskog ponašanja.

Modeliranje je provedeno kroz više od milijun vremenskih koraka unutar sedam sati, što je omogućilo testerima da u jednom danu provjere tri konfiguracije čipa. Ova razina detaljnosti i brzine simulacije omogućava znanstvenicima da optimiziraju dizajn čipa, identificiraju i otklone potencijalne probleme s performansama prije same fizičke proizvodnje. Ova simulacija, kažu, postavlja nove standarde za razvoj kvantnih mikročipova i ubrzava put prema praktičnoj primjeni kvantnih računala.​

Atomski sat za 100 puta preciznije mjerenje vremena

Inženjeri Sveučilišta u Torontu konstruirali su prvi kriogeni optički atomski sat s jednim ionom stroncija, hlađen na manje od 5 Kelvina, odnosno oko 5 stupnjeva iznad apsolutne nule. Time su smanjili toplinsko zračenje koje ometa preciznost satova i postigli stabilnost i točnost sata do 100 puta veću nego kod postojećih uređaja.

Novi sat koristi lasersko hlađenje i elektromagnetska polja za zarobljavanje atoma koji funkcionira kao "vilica za ugađanje" tog ultra preciznog instrumenta. To bi, tvrde, moglo unaprijediti standarde koji se trenutačno koriste u fizici, navigaciji i telekomunikacijama.

Strojevi i roboti vođeni gestama

Inženjeri Kalifornijskog sveučilišta u San Diegu razvili su napredni nosivi uređaj koji korisnicima omogućuje upravljanje strojevima i robotima svakodnevnim gestama, čak i dok trče ili plutaju na valovima.

Sustav, predstavljen u časopisu Nature Sensors, kombinira rastezljivu elektroniku i umjetnu inteligenciju kako bi osigurao pouzdano prepoznavanje gesti u stvarnom vremenu, bez obzira na šum pokreta. Mekani elektronički flaster koji se nosi na zapešću koristi AI za interpretaciju pokreta ruke i upravljanje uređajima, što otvara širok spektar primjene – od medicinske rehabilitacije do industrije i podvodne robotike.

Algoritam otkriva koliko je podataka doista potrebno

Istraživači MIT-a razvili su algoritam koji identificira najmanji skup podataka potreban za donošenje optimalnih odluka u složenim problemima kao što su planiranje podzemne željeznice ili optimizacija lanca opskrbe. Njihova metoda koristi matematičku karakterizaciju "dovoljnih skupova podataka" i optimizacijski okvir koji kroz iterativno testiranje prepoznaje minimalne ključne podatke.

Algoritam uvjetno pita postoje li scenariji koji bi mogli promijeniti optimalno rješenje i određuje točke mjerenja koje to razlikuju. Metoda također omogućava strukturirano iskorištavanje nesigurnosti i ograničenja problema, što je posebno važno kod skupih eksperimentalnih mjerenja ili simulacija.

AI operacije brzinom svjetlosti

Istraživači Sveučilišta Aalto demonstrirali su implementaciju tenzorskih izračuna korištenjem optičkog širenja svjetlosti, čime su složene matematičke operacije karakteristične za umjetnu inteligenciju, poput konvolucija i slojeva pažnje, ostvarene bez elektroničkih sklopova. Metoda uključuje kodiranje digitalnih podataka u amplitudu i fazu svjetlosnih valova, a interakcijom optičkih polja prirodno se provode operacije neophodne za duboko učenje. 

Tehnologija, opisana u časopisu Nature Photonics, primjenjiva je na širok raspon optičkih platformi, a istraživači planiraju njezinu integraciju u fotonske čipove, čime bi znatno povećali i energetsku učinkovitost AI sustava. Prema procjenama autora, prvi sustavi temeljeni na ovom pristupu mogli bi biti dostupni na tržištu unutar sljedećih pet godina.​

Jezični modeli sami uče iz novih podataka

Istraživači MIT‑a razvili su metodu kojom veliki jezični modeli mogu trajno usvajati novo znanje nakon što su već pušteni u rad. Umjesto da ostanu “zamrznuti”, SEAL (Self-Adapting Language Models) metoda pretvara korisničke unose u vlastite studijske bilješke, predlaže više mogućih izmjena svojih internih parametara te kroz pokušaje i pogreške bira one koje najviše poboljšavaju rezultate.

SEAL jezičnim modelima omogućava generiranje vlastitih podataka za fino podešavanje i optimizacijskih uputa, tzv. samouređivanja (self-edit), kao odgovor na nove zadatke ili informacije. SEAL uči generirati ta samouređivanja putem učenja s potkrepljenjem, koristeći izvedbu zadatka nakon ažuriranja modela kao nagradu. Autori ističu da je cilj stvoriti sustave nalik ljudima, koji se mogu stalno prilagođavati novim zadacima i promjenjivim okruženjima.