الأبحاث في مجال: الذكاء الاصطناعي (Artificial Intelligence)
-
معالجة الإشارات المتوازية المتعددة بمرونة مع شريحة ضوئية سيليكونية قابلة للتوسع
2025 | المؤلف: Shihan Hong وآخرون | المجلة: Nature Communications | المجال: الذكاء الاصطناعي (Artificial Intelligence)تناقش هذه الفقرة التقدم في معالجات الإشارات الضوئية القائمة على السيليكون، والتي من المتوقع أن تحدث ثورة في أجهزة معالجة الإشارات من خلال تعزيز عرض النطاق الترددي للمعالجة، وتقليل استهلاك الطاقة، وتقليل زمن الاستجابة. تستفيد معالج الإشارات المتوازي القابل للتوسع المقترح من الأبعاد الضوئية المتداخلة في الطول الموجي والزمن، إلى جانب الموجات الضوئية ذات الخسارة…
-
ما وراء السحابة: التعلم الفيدرالي والذكاء الاصطناعي على الحافة للسنوات العشر القادمة
2025 | المؤلف: Sooraj George Thomas وآخرون | المجلة: Journal of Computer and Communications | المجال: الذكاء الاصطناعي (Artificial Intelligence)تقدم ورقة البحث إطار عمل جديد يدمج التعلم الفيدرالي (FL) والذكاء الاصطناعي على الحافة، مع معالجة قيود الهياكل التقليدية المعتمدة على السحابة في أنظمة الذكاء الاصطناعي. مع توسع هذه الأنظمة، تبرز تحديات مثل الكمون، وعرض النطاق الترددي، ومخاوف الخصوصية، مما يستدعي حلولاً لامركزية. يعزز الإطار المقترح دقة النموذج بنسبة 10% إلى 15% ويقلل من تكاليف…
-
PBFL: إطار تعلم فدرالي قائم على البلوكشين يحافظ على الخصوصية مع تشفير متجانس وتغطية واحدة
2025 | المؤلف: Baofu Han وآخرون | المجلة: IEEE Internet of Things Journal | المجال: الذكاء الاصطناعي (Artificial Intelligence)يقدم القسم إطار عمل جديد قائم على تقنية التعلم الفيدرالي المحفوظ للخصوصية (PBFL) مصمم لتعزيز الأمان والخصوصية في سياق إنترنت الأشياء الصناعي (IIoT). بينما يسهل التعلم الفيدرالي (FL) تدريب النماذج بشكل تعاوني دون مشاركة البيانات الخام، إلا أنه لا يزال عرضة لانتهاكات الخصوصية من خلال تحليل معلمات النموذج المشتركة. تركز أنظمة التعلم الفيدرالي المحفوظ للخصوصية…
-
هندسة اللغة: فهم الآليات وراء نماذج اللغة الكبيرة
2025 | المؤلف: Andrea Filippo Ferraris وآخرون | المجلة: Cambridge Forum on AI Law and Governance | المجال: الذكاء الاصطناعي (Artificial Intelligence)تقدم الورقة مراجعة شاملة لنماذج اللغة الكبيرة (LLMs)، مع تسليط الضوء على التقدم الكبير الذي حققته في الذكاء الاصطناعي (AI) ومعالجة اللغة الطبيعية (NLP). تبدأ بمناقشة التأثير التحويلي لهندسة المحولات، التي تستخدم آليات الانتباه الذاتي لالتقاط الاعتمادات طويلة المدى والعلاقات السياقية بفعالية، متجاوزة النماذج السابقة مثل الشبكات العصبية التكرارية والشبكات العصبية الالتفافية. يتم فحص الابتكارات…
-
توليد بيانات اصطناعية باستخدام نماذج اللغة الكبيرة: تقدم في النص والرمز
2025 | المؤلف: Mihai Dan Nadas وآخرون | المجلة: IEEE Access | المجال: الذكاء الاصطناعي (Artificial Intelligence)تستعرض هذه الدراسة الدور التحويلي لنماذج اللغة الكبيرة (LLMs) في توليد بيانات تدريب اصطناعية لمهام اللغة الطبيعية والبرمجة. من خلال إنتاج أمثلة اصطناعية ذات صلة بالمهمة، يمكن لنماذج اللغة الكبيرة أن تكمل أو تحل محل مجموعات البيانات الواقعية بشكل فعال، خاصة في السياقات التي تكون فيها البيانات المعلّمة محدودة أو مكلفة. يبرز البحث تقنيات رئيسية…
-
المسح السريع غير المتماسك للزمن الحقيقي ASKAP
2025 | المؤلف: R. M. Shannon وآخرون | المجلة: Publications of the Astronomical Society of Australia | المجال: الذكاء الاصطناعي (Artificial Intelligence)يستخدم مصفوفة الكيلومتر المربع الأسترالية (ASKAP) تقنية تغذية مصفوفة الطور واسعة المجال للبحث بفعالية عن مصادر الراديو النادرة العابرة، وخاصة الانفجارات الراديوية السريعة (FRBs). تم تشغيل مسح الانفجارات السريعة في الوقت الحقيقي من ASKAP (CRAFT) منذ عام 2018، باستخدام طريقة جمع غير متناسق لشدة الإشارات من الهوائيات الفردية وتصحيح تشتت التردد في الوقت الحقيقي. وقد…
-
استرجاع معزز بالتوليد الموجه بواسطة رسم المعرفة
2025 | المؤلف: Xiangrong Zhu وآخرون | المجلة: Proceedings of the 2025 Conference of the Nations of the Americas Chapter of the Association for Computational Linguistics: Human Language Technologies (Volume 1: Long Papers) | المجال: الذكاء الاصطناعي (Artificial Intelligence)تقدم ورقة البحث إطارًا جديدًا يسمى “استرجاع معزز بالتوليد الموجه بواسطة رسم المعرفة” (KG 2 RAG)، يهدف إلى التخفيف من مشاكل الهلوسة في الردود التي تولدها نماذج اللغة الكبيرة (LLMs). تركز طرق الاسترجاع المعزز التقليدية (RAG) بشكل أساسي على استرجاع أجزاء ذات صلة معزولة بناءً على المعنى، متجاهلة العلاقات بين هذه الأجزاء. بالمقابل، يستفيد KG…
-
ثنائيات الليزر ذات الحواف النانوية GaAs مصنوعة بالكامل في خط تجريبي CMOS بقطر 300 مم
2025 | المؤلف: Yannick De Koninck وآخرون | المجلة: Nature | المجال: الذكاء الاصطناعي (Artificial Intelligence)يقدم قسم النتائج نتائج من قياسات مستوى الرقاقة ومستوى الرقاقة من الليزر الرنان الهيكلي (NRLs) المصنوع من GaAs. تشير قياسات مستوى الرقاقة إلى تشغيل الليزر بنجاح، مع تيار عتبة ($I_{th}$) منخفض يصل إلى 4.5 مللي أمبير وأقصى قدرة إخراج تبلغ 0.7 مللي واط عند تيار انحياز قدره 20 مللي أمبير لجهاز بطول تجويف يبلغ 1.16…
-
محاكاة التعليم في الفصول الدراسية باستخدام وكلاء مدعومين من LLM
2025 | المؤلف: Zheyuan Zhang وآخرون | المجلة: Proceedings of the 2025 Conference of the Nations of the Americas Chapter of the Association for Computational Linguistics: Human Language Technologies (Volume 1: Long Papers) | المجال: الذكاء الاصطناعي (Artificial Intelligence)في هذا البحث، يقدم المؤلفون SimClass، وهو إطار محاكاة فصول دراسية متعدد الوكلاء جديد يستخدم نماذج اللغة الكبيرة (LLMs) لتعزيز التجارب التعليمية. على عكس الدراسات السابقة التي ركزت على تطبيقات LLM المعزولة، يعمل SimClass ضمن إطار تعاوني يحاكي بيئة الفصل الدراسي مع مشاركة حقيقية من المستخدمين. يتضمن الإطار أدوار صفية تمثيلية وآلية تحكم فريدة للفصل…
-
GNN-RAG: استرجاع الشبكات العصبية البيانية لتفكير نموذج اللغة الكبير بكفاءة على الرسوم البيانية المعرفية
2025 | المؤلف: Costas Mavromatis وآخرون | المجلة: Findings of the Association for Computational Linguistics: ACL 2025 | المجال: الذكاء الاصطناعي (Artificial Intelligence)تقدم البحث إطار GNN-RAG، الذي يعزز الجيل المعزز بالاسترجاع (RAG) في الإجابة على أسئلة الرسم البياني المعرفي (KGQA) من خلال دمج الشبكات العصبية الرسومية الخفيفة (GNNs) لاسترجاع الرسوم البيانية بكفاءة. غالبًا ما تعتمد الأساليب التقليدية على مكالمات مكلفة لنماذج اللغة الكبيرة (LLMs) لتوليد مسارات العلاقات أو التنقل عبر الرسم البياني المعرفي، خاصة في المهام المعقدة…