YUTA

人間力を高めたい

[YUTA @mori_yu__]

大学院まで行く可能性が出てきた

[dirG @Dirg_rocketdyne]

3.11の時の恩師(大学教授)の話を聞くと、「本棚が倒れないように抑えてましたよ。ずっと抑えてると、固有振動数に達するので、時間毎に抑える箇所を変更するのがポイントなんですよ。」って言ってた。

[YUTA @mori_yu__]

やっぱ触覚って面白そうだよなぁ

[Jim Fan @DrJimFan]

The sense of touch is the most criminally under-explored modality in robotics. Imagine doing sleight of hand wearing thick oven mitts. That's exactly how a robot feels today if it were alive. A magnetic piece snapping into place, a paper cup peeling out of a stack, a USB negotiating its way into the port - all invisible to the camera.

Learning how to feel must be a full-stack co-designed effort. We are open-sourcing a principled methodology called "T-Rex":

1. Tactile as first-class citizen of the model. Our mixture-of-transformer runs two clocks asynchronously: a slow visuomotor expert plans the motion, and a fast tactile expert refines it in real time with high-frequency corrections at 4 "touch ticks" per vision tick. Forces change faster than frames arrive, so the architecture had to as well.

2. Open data. The largest tactile dataset ever released to our knowledge: a 50-hour (~5,500 episodes) high-quality, carefully synchronized robot play corpus, collected on SOTA tactile hand hardware with 22 degrees of freedom. Available today on HuggingFace!

3. Training recipe: T-Rex extends our prior work, EgoScale. Human egocentric videos for pretraining, a diverse dose of tactile robot play for mid-training. Our experiments show this bridges contact-free pretraining to contact-rich manipulation remarkably well.

Pixels are cheap and everywhere, but they run out of steam at the moment of contact. Tactile will carry the last mile. The next scaling curve will be measured in hours of touch.

T-Rex is a great collaboration between NVIDIA and Berkeley: 🧵

[YUTA @mori_yu__]

電磁気面白い

[Claude @claudeai]

We’ve agreed to a partnership with @SpaceX that will substantially increase our compute capacity.

This, along with our other recent compute deals, means that we’ve been able to increase our usage limits for Claude Code and the Claude API.

[YUTA @mori_yu__]

電磁気むずいんだけど、腰を据えて勉強しないといけないかなこれ

[ゼイン @reiwa_shosha]

最近の新人の特徴だろうか。先輩と話す時に、敬語に紛れてタメ口挟むのなんなんだろう。ベース敬語だから注意しにくいけど、普通に失礼なんだよな。

[🙂‍↕️🎀 @_9743_o_sub]

うちの親が昔からこれなので、とんでもない無駄遣い娘が爆誕した(私)

[YUTA @mori_yu__]

大学の電気回路工学の授業で使う教科書をパラパラとめくっていると、むかし勉強していた電験のことを思い出す。必死に勉強していたあの頃が懐かしいなぁ

[ガロン @luckysurprising]

新卒で入ってしまうとモンスター社員になる可能性が高い職種第一位

→人事（新卒採用担当）

[げっと @get240]

Plan：計画　
Delay：遅延　
Cancel：中止
Apologize：謝罪

[YUTA @mori_yu__]

ビオサバール使うのむずい

[ゆゆ🐈‍⬛🐾 @manumanuchas]

自分にとって勉強は「逃げ」だったな

異性と関わらないこと、交友関係を広げないこと、運動をしないこと、全部勉強で正当化してきた。そんなんじゃダメだって、どこかで気づいてはいたけど、学歴が自分を救ってくれる、そう現実から逃げて、そのまま大学生になった。

今、趣味も、友達も、何にもない

[ごててん @goteten_math]

ジョルダン標準形どころか対角化の時点でもう人知超えてる

[d @d_1d2d]

Microsoftが自ら研究を行う科学エージェント「Microsoft Discovery」を発表。
AIエージェントたちは「人類に未知の」素材をわずか数時間で導き出し、チームはそれを実際にラボで合成した。

---

動画の書き起こしの翻訳↓

[サティア・ナデラ]

締めくくりとして話したいドメインがもう1つあります。それは科学です。今後数年で起こる最もエキサイティングなことの1つは、科学プロセス自体に真のブレークスルーが起こり、新しい素材、新しい化合物、新しい分子を作成する能力が本当に加速することだと思います。だからこそ、今日話したスタック全体をまとめて、科学と科学ワークフロー、科学プロセスに適用しようと言っているのです。それが、本日発表するMicrosoft Discoveryに対する私たちの野心です。Microsoft、ええ。ソフトウェア開発者向けのGitHub、ナレッジワークとビジネスプロセス向けのMicrosoft 365とCopilotとCopilot Studioを考えると、Microsoft Discoveryは科学向けです。これは非常に強力なグラフベースの知識エンジン、グラフRAG上に構築されています。そして、単に事実を取得するだけでなく、これが重要なことですが、科学ドメインの微妙な知識を理解しています。公開ドメインだけでなく、バイオ医薬品会社であれば自社のデータからもです。DiscoveryはFoundry上に構築されており、推論（Reasoning）だけでなく研究自体を行うために高度に専門化された高度なエージェントをもたらします。本当に静的なパイプラインの代わりに、これらのエージェントは継続的な反復サイクルで協力し、候補を生成し、それらをシミュレートし、結果から学習します。つまり、あのCopilotエージェントやコーディングエージェントのように考えてみてください。これはサイエンスエージェントです。ジョンにこれをすべて実際に見せてもらいましょう。ジョン。

[ジョン]

ありがとう、サティア。私はジョン、サイエンスプラットフォームの化学製品担当です。今日は、エージェントチームを率いて、浸漬冷却材の発見をする方法をお見せします。これらはデータセンターの冷却に関する興味深い研究分野です。残念ながら、そのほとんどはPFAS、つまり環境に有害な永遠の化学物質に基づいています。では、どうすればより良い冷却材を発見できるでしょうか？知識に基づく推論（Reasoning）、仮説生成、実験実行の3つのステップを反復ループでご紹介します。始めましょう。最初のステップは調査です。このトピックに関する最新の知識を把握したいので、まず冷却材とその特性について尋ねることから始めます。「教えてください。最初の候補を特定してください。」プラットフォームは、公開情報源と信頼できる社内調査の両方で、科学的知識に基づいて推論（Reasoning）するエージェントのネットワークを使用します。舞台裏では、ナレッジグラフを使用して、LLMだけでは得られない、点と点を結びつけるのに苦労する可能性のある、より深い洞察とより正確な回答を提供します。このプロセスには数分かかります。先に進みましょう。ここに表示されているのは、左側に概要、右側に冷却材研究の最先端を網羅した包括的なレポートで、信頼できる研究の引用へのリンクが随所にあります。これで、これらの調査結果を検証し、必要に応じて反復してから次に進むことができます。しかし、今日の目標は知識に基づいて推論（Reasoning）するだけではありません。私たちは実際の冷却材を発見したいのです。そこで、ステップ2、仮説生成に進む必要があります。そこで、この調査に基づいて、私の調査に固有の計画を依頼します。例えば、特定の沸点と、電子機器を壊さない誘電性の概念をターゲットにすべきであることを知っています。それを提出します。現在、私のエージェントチームは適切なワークフローを構築するために作業しています。ご覧のとおり、私は使用するメソッドを指定したり、コードを書いたりしていません。Microsoft Discoveryがすべて処理してくれます。エージェントは、Microsoftのツールやモデルを使用したり、オープンソースやサードパーティのソリューションを統合したり、あるいは自分の組織のソリューションを統合したりできます。そして、私はいつでもこの計画を調整でき、追加のステップを追加したり、基準を変更したりできるので、常に管理下にあります。そして、ここを見ると、エージェントが返した計画を見ることができます。これは、ここで生成化学ステップから始まります。ここでは、私の基準を満たす可能性が高い何百万もの新規候補を作成します。次に、AIモデルを使用してこれらを迅速にスクリーニングします。最後に、調査結果の検証のためにHPCシミュレーションを使用します。そして、これを見ると、この計画は気に入りました。良いアプローチのようです。それでは、実行しましょう。そこにある[Proceed]をクリックします。これで、ステップ3、実験に入ります。Microsoft Discoveryはこの完全な計画を実行し、Azureで最適なHPCリソースを選択して管理します。将来的には、量子コンピューティングの進歩も統合する予定です。ここで、ディスカバリーエージェントがリアルタイムで連携し、これらすべての集中的な計算を推進しているのがわかります。従来の方法では、候補の最終リストを作成するのに数ヶ月または数年かかる試行錯誤が必要でした。Microsoft Discoveryは、その時間を数日、あるいは数時間に短縮できます。それでは、プロセスの最終結果をお見せしましょう。これらは、Microsoft DiscoveryがPFASフリーの浸漬冷却材として特定した候補のセットです。これで、これらの結果を分析して、ラボに向かう準備ができたか、あるいは別のイテレーションを実行する必要があるかを判断できます。そして、これらのいくつかをちょっと見てみると、確かに、ええ、沸点は私の期待通りであり、誘電率は素晴らしいです。ですから、これは非常に有望です。しかし、皆さんが何を疑問に思っているかはわかっています。実際に発見したのでしょうか？さて、これは単なるデモではありません。私たちは本当にこれをやりました。最も有望な候補の1つを取り上げて合成しました。新しい物質、人間に未知の物質をこのステージに持ち込むことは許されませんでした。しかし、ラボからのこのビデオがあります。そこで私の冷却材が見えます。そして、標準的なPCをその中に入れました。そして、Forza Motorsportを実行していて、ファンなしで温度を安定させています。文字通り非常にクールです。私たちは、永遠の化学物質に依存しない浸漬冷却材の有望な候補を見つけました。Microsoft Discoveryを分野横断的に使用して、新しい治療法、新しい半導体、または新しい材料を設計することを想像してみてください。それは私たちのために機能しました。次の大きなブレークスルーは、あなたが発見するものです。ありがとうございました。素晴らしいビルドをお過ごしください。

[旧・院卒現場作業員 @zu_ye52161]

わいら工場の民が切り詰めたコスト数千万が、本社の人間のカフェ設置やフリードリンク代に消える経験をしてない学生の意見は浅いんよね🥺

[ミダシーの田草川さん @Nicotama222]

大事なことなので4回言います。
人生上手くいく人と上手くいかない人の違いはこれ。
人生上手くいく人と上手くいかない人の違いはこれ。
人生上手くいく人と上手くいかない人の違いはこれ。
人生上手くいく人と上手くいかない人の違いはこれ

[おゆろ(帆坂悠) @Uro__is]

この世で一番イケてるのは健康、この世で一番イケてないのは比較