Microsoft Research、機械学習で電力網の宇宙天気リスクを予測 米国の66,935変電所を対象に
Microsoft Researchは、L1での太陽風観測、AE指数とDst指数の予報、各地の地質の電気伝導率データを使うエンドツーエンドの機械学習パイプラインを開発した。米国本土の66,935変電所について、30〜60分先の局地的な宇宙天気リスクを推定する。
Microsoft Researchは、L1での太陽風観測、AE指数とDst指数の予報、各地の地質の電気伝導率データを使うエンドツーエンドの機械学習パイプラインを開発した。米国本土の66,935変電所について、30〜60分先の局地的な宇宙天気リスクを推定する。
CoreWeave は、Spectrum-X 102.4T Ethernet と組み合わせた NVIDIA Vera Rubin NVL72 システムが CoreWeave Cloud で利用可能になったと発表した。Cognition が本番環境でこのシステムを運用する最初の顧客となる。
AMDは空間知能に特化したスタートアップWorld Labsを約82億ドルの全株式交換取引で買収すると発表した。取引は規制当局の承認を待ち、2026年末までの完了を見込む。World Labs創業者の李飛飛氏はAMDに加わり、執行副社長兼チーフサイエンティストとしてCEOの蘇姿丰氏に直接報告し、最先端研究を担当する。
AMDは、物理現実の理解に特化した深層学習モデルを手がけるWorld Labsを82億ドルで買収すると発表した。取引は年内の完了を見込み、規制当局の承認が必要。World Labs創業者の李飛飛氏はAMDに執行副社長兼チーフサイエンティストとして加わる。両社は昨年、推論最適化と訓練で提携を結んでいる。
NVIDIAはオープンソースの表形式基盤モデルKumo Tabularを公開した。ラベル付きの表の行を入力すると、学習、調整、特徴量設計なしに、単一の順伝播で新しい行のラベルを予測し、分類と回帰に対応する。28M〜215Mの3サイズを提供し、人工合成の表のみで事前学習した。商用利用可能なOpenMDW-1.1ライセンスを採用し、TabArena、BeyondArena、TALENT、ScoringBenchの4ベンチマークで首位だった。
Microsoft Researchは生物学の複雑さを扱うAI研究システムQuineを公開した。配列、構造、機能、細胞状態、画像などのマルチモーダルデータで学習した生物世界モデルと、モデル、科学ツール、文献、実験担当者をつなぐ対話型ハーネスから構成される。
AWSはAmazon Textractアダプターのライフサイクルを複数アカウント間で自動管理する手法を公開した。アダプターIDをAWS Systems Manager Parameter Storeへ外出しすることで、本番環境の参照を停止やアプリ再配置なしに更新できる。従来数時間から数日かかっていた調整を数秒へ短縮する。
The Informationによると、Teslaはテキサスとカリフォルニアの工場で、作業員に動作記録用の特別な服を着せ、Optimusの模倣学習データを集めた。一部はロボットに仕事を奪われると不満を述べ、Teslaはその後、収集を専任チームに移し、学習センターを設けた。
AWSはAmazon EKSでEFAとDeepEPを組み合わせ、MoE強化学習の学習を拡張する構成を示した。処理量は40%向上する。
Amazon SageMaker HyperPodでオープンソースRLフレームワークSkyRLを使い、GRPOで視覚言語モデルQwen3-VL-8Bをマルチモーダル強化学習によって追加学習した。固定の64迷路評価セットで、迷路の成功率を43.75%から95%超へ引き上げた。
Amazon SageMaker HyperPodにCloud Native Qumulo(CNQ)とCloud Data Fabric(CDF)を組み合わせると、学習クラスターがAWSリージョンをまたいで遠隔データを直接読み込める。データの複製やコード変更は不要だ。
Endura Therapeutics の Adrian Sanborn は、AI の科学への影響を二つに分けた。Foundries は次世代シーケンシング、高処理量顕微鏡、物理的自動化で実験測定費用を1桁下げ、Navigators は安くなった「思考」を意思決定と工程に使う。
NVIDIAはGoogle DeepMind、EMBL-EBIなどの世界的研究連合に加わり、AlphaFold Databaseで2800種超のウイルスのタンパク質複合体の予測3D構造を公開した。科学者は誰でも無料で使える。
Sakeena FizaはNVIDIAのデータセンターシステム研究室で、量産前の新製品のハードウェア検証を担当する。印象深い瞬間の一つは、Rubin GPUが初めてシステム上で認識されたときだ。検証を事件解決にたとえ、顧客が見つける前に問題を発見・再現することを目指す。トレー、ラック、クラスターから顧客のAI工場まで全工程を扱う。
Radical Numerics共同創業者兼CEO Eric Nguyenは、生物学的能力を高めるモデルは防御にも使えるとして、最先端研究のより積極的な推進を主張する。同チームのEvoとEvo 2は、Arc/Stanfordによる完全なファージゲノムの生成と機能するウイルスの合成に使われた。
GoogleのEmpirical Research Assistance(ERA)は、評価関数で表せる科学問題をGeminiに渡して解法を自動探索する。実験notebookの木を保持し、Upper Confidence Boundで枝を選び、毎回約10の変種を提案する。Gemini 2.0から2.5への進化で、全く使えない状態から優れた成果に変わった。
Xiaomiは全モーダルモデルMiMo-V2.6-ProとMiMo-V2.6-Flashを含むMiMo-V2.6シリーズを公開し、出力速度を最大20倍に高めるMiMo-V2.6-Pro-UltraSpeedも発表した。
英国AI Security Institute(AISI)は評価の科学的再現性を高めるため、EvalEvalのEvery Eval EverスキーマとEvaluation Cardsで結果を公開共有している。
Microsoft は Nature で逆合成予測フレームワーク RetroChimera を発表し、実装とウェイトを公開した。Transformer の R-SMILES 2 と GNN ベースの NeuralLoc を組み合わせ、学習型アンサンブルで両者の予測を再順位付けする。盲検試験では化学者がその一段階反応予測を好んだ。
MIT Technology ReviewとTimes of San Diegoは15か月をかけ、2015年以来の移民死亡事例から監視塔近くの死亡の初の包括的地図と分析を作った。テキサス17郡の保安官事務所に記録を請求し、14郡から4000ページ超を得た。AnthropicのClaude APIで遺体発見地点の座標を抽出し、人が抽出例を確認した。
NVIDIAはAIでクリーンエネルギーを進める5社を紹介した。ThinkLabs AIはCUDAを基盤とするデジタルツインとエージェントで、Southern California Edisonの電力網接続申請の評価を30~45日から2分に短縮する。
HexのデータエージェントはGPT-6 Astraで分析結果を対話型の視覚的報告に変え、従業員が自ら共有したくなる形にする。
SalesforceはDreamforceで初のCRM推論モデルKoaを発表した。NVIDIA Nemotron 3 Superを事後学習し、約30年の企業CRM導入から作った独自の合成データで学習した。製造、金融サービス、医療、旅行など14以上の業界を対象とする。
Good Start Labsは鉄道ボードゲーム『1830』を学習環境に変え、30Bモデルを実験した。単一回答と複数ターンの端末エージェントの両方でゲーム性能は向上したが、Finance-Agentベンチマークが改善したのは端末エージェントだけだった。
Google ResearchはRetrieve-for-Trainを提案した。オフライン強化学習で報酬に沿うクエリー展開を見つけ、教師信号に変えて53.9Mの拡散検索器へ蒸留する。推論時は1回の非自己回帰でクエリーを展開し、CoT推論トークンを生成しない。
NVIDIAはAI Infra SummitでVera RubinとDSXプラットフォームの複数の進展を公表し、1メガワット当たりのトークン処理量のエネルギー効率最適化を重点的に示した。
Google ResearchはACL 2026でToolGradを提案した。「回答から質問へ」の手法で実際のツール呼び出し列を先に生成し、ユーザーの質問を逆算する。従来のDFSによる試行錯誤的な注釈付けを置き換える。
OpenAIはChatGPT WorkのData agentをすべての人に開放すると発表した。企業データに接続し、知見を発見し、自然言語とAIで対話型ダッシュボードを構築できる。
TRL v1.14のAsyncGRPOTrainerはLoRAアダプターだけを学習してvLLMへ同期するよう対応した。rank-1は数MBで、各JobにマウントしたStorage Bucketで転送でき、NCCLは不要だ。
Google DeepMindはヒトゲノムの90億の一塩基変異の効果予測を収めたAlphaGenome Atlasを公開した。規模は1PBで、AlphaFold Databaseの30倍以上に達する。
Google Research は UK Biobank の欧州系集団と Biobank Japan の約20万人の日本人データで、八つの臨床指標について PRS の集団間転移を評価した。対象集団が15,000人以上では、その集団専用モデルが欧州データとの混合訓練を上回る。一方、遺伝的相関が強い形質では、対象が25,000~40,000人超になるまで欧州データの利点が続く。
Google ResearchはHHMI Janelia、ケンブリッジ大学などと協力し、Cellに論文を発表して、雄ショウジョウバエの脳と中枢神経系の完全なコネクトームを公開した。166,000超のニューロンと1.25億のシナプス結合を含み、ニューロン数ではこれまでで最大の脳地図である。
公開された低費用手法はTRLのGRPOで約500例、100ステップの微調整を行い、IFStructを22.6%から29.7%に高めた。無料ColabかKaggle GPUで学習し、MacBookのllama.cppで評価できる。コードはGitHub公開済みだ。
Google Research は Swin-S transformer ベースの MAPL-EMIT を提案した。NASA EMIT のハイパースペクトル衛星データからメタンのプルームを自動検出し、増加量を予測し、位置を特定する。専門家が注釈したプルームで再現率84%だった。
Google Researchは初めて多変量予測を標準の事前学習で扱うTimesFM-3を公開した。3億3000万パラメーターで、1兆超の時点を学習した。
Microsoft ResearchはGigaPath-FlashとGigaTIME-Flashを公開した。10億パラメーターのGigaPathから蒸留した22MのViT-Sを基盤に、病理分析の計算量を大幅に削減し、Apache 2.0で公開する。
Google ResearchはGoogle Earth AIに実験的研究機能Planetary Prediction Engine(PPE)を導入した。自然言語の質問に基づき、地理空間データの発見、特徴量設計、モデル学習と評価を自律的に進め、報告を生成する。数週間の手作業を要したデータ処理を数分に縮める。
Googleは遅い血糖傾向と短期変動を分ける自己教師モデルGlucoFMを公開した。109066時間の未注釈CGMで事前学習し、4コホート、7臨床タスクの14評価でPR-AUCは最良GluFormerより平均5.8ポイント高かった。食後血糖予測でも最小MAEを達成した。
Sentence Transformers v6.0 は第4のモデル型 MultiVectorEncoder を追加した。ColBERT 型の遅延相互作用検索に用い、完全な訓練手順も提供する。
Multiverse ComputingはQuantization-Aware Healing(QAH)を提案する論文を公開した。GPT-OSS 120Bを60Bパラメーターへ圧縮しMXFP4へ量子化した後、復元したbfloat16チェックポイントではなく、圧縮前の元モデルから直接蒸留する。