Maschinelles Lernen

Komplexe Dynamik aus Daten vorhersagen

Forschende der ETH Zürich haben einen neuen Algorithmus entwickelt, der es ihnen erlaubt, die Dynamik physikalischer Systeme aus Beobachtungen zu modellieren. In Zukunft könnte er auf das Entstehen von Turbulenz und Kipppunkte im Klima angewandt werden.

Wie Roboter wandern lernen

ETH-Forschende um Marco Hutter entwickeln ein neues Steuerungssystem, mit dem sich der Laufroboter ANYmal schnell und robust in schwierigem Gelände bewegt. Dank maschinellem Lernen kann der Roboter erstmals seine visuelle Umweltwahrnehmung mit seinem Tastsinn kombinieren.

Vorausschauende Software beschleunigt das Training von neuronalen Netzen

Neuronale Netze erfüllen viele Aufgaben besser als herkömmliche Algorithmen und manches können nur sie allein. Allerdings kostet deren Training enorm viel Rechenzeit und Geld. Dank ETH Forschenden kann dieses Training beschleunigt werden - gute Nachrichten für künftige Nutzer*innen des Supercomputers «Alps» am CSCS.

Mit KI Antibiotikaresistenzen schneller vorhersagen

Eine Studie unter Co-Leitung der ETH Zürich hat gezeigt, dass sich Resistenzen von Bakterien mittels Computeralgorithmen deutlich schneller ermitteln lassen als bisher. Dies könnte helfen, schwere Infekte in Zukunft effizienter zu behandeln.

Effektives Fitnesstraining dank künstlicher Intelligenz

Ob Knie- oder Rumpfbeugen: Die Software des Start-ups VAY macht Trainierende über einen Smartphone-Bildschirm auf fehlerhafte Bewegungen aufmerksam. Nun hat Fitnessgerätehersteller Nautilus das ETH-Spinoff übernommen.

Bessere Qualität durch künstliche Intelligenz

ETH-Forschende nutzen künstliche Intelligenz, um das Qualitätsmanagement bei digitalisierten Produktionsprozessen zu verbessern. In einem Experiment beim Halbleiterproduzenten Hitachi Energy konnte der Anteil fehlerhafter Produkte halbiert werden.

9 10 11

12

13 14 15 16

Seite 12 von 16