Российские исследователи разработали новую архитектуру для диффузионных нейросетей, которая позволяет этим генеративным системам ИИ более эффективно вырабатывать объемные структуры молекул и новых материалов, а также решать другие задачи. Об этом сообщила пресс-служба НИУ ВШЭ.

«Мы предложили более универсальную диффузионную модель, которая позволяет генерировать объекты сложной структуры. Это поможет применять такие методы для более широкого класса задач из естественных наук, например из биологии, физики, химии, где есть структурные ограничения при генерации объектов: молекул, состояний элементарных частиц, химических соединений», – заявил младший научный сотрудник НИУ ВШЭ Айбек Аланов, чьи слова приводит пресс-служба вуза.

Ученые НИУ ВШЭ, Института искусственного интеллекта AIRI и Sber AI достигли этого улучшения за счет того, что ученые внесли существенные изменения в то, каким образом вырабатывается и затем подавляется шум в процессе работы нейросети. В прошлом для этого применялись относительно простые и негибкие подходы, которые не позволяли использовать диффузионные нейросети для генерации сложно устроенных объемных объектов, в том числе новых молекул и материалов.

Для решения этой проблемы ученые преобразовали структуру модели из линейной в звездообразную, а также научили систему ИИ делать шаг назад при постепенном удалении лишних шумов из генерируемых данных. Подобный подход и прочие изменения в структуре нейросети позволили ученым значительно повысить эффективность обучения системы ИИ при ее подготовке к работе.

Последующие проверки показали, что новая архитектура диффузионных нейросетей не уступала уже существующим подходам эффективности генерации текста и при решении других простых задач. При этом она значительно превосходила их при решении сложных задач, а также в тех случаях, когда для решения простых задач использовалось минимальное число шагов.

В частности, исследователи обнаружили, что их разработка справлялась с генерацией карт лесных пожаров на глобусе Земли, а также с абстрактными математическими задачами, значительно лучше, чем более простые вариации аналогичных нейросетей. Как надеются ученые, предложенный ими подход расширит применение диффузных нейросетей на практике.