KI News: Kurz und klar.

Wissenschaftler haben ein neues, mehrstufiges Textgradienten-Framework vorgestellt, das Doppelperovskite‑Materialien (DPs) unter natürlichen Sprachbedingungen generiert. Durch die Kombination von drei Feedback‑Quellen – selbstbewertende KI‑Modelle, domänenspezifisches Fachwissen und maschinelles Lern‑Surrogat – wird die Kompositionsauswahl gezielt in physikalisch sinnvolle Bereiche gelenkt.

Die Optimierung von Konfigurationen bleibt ein entscheidender Engpass im maschinellen Lernen. Traditionelle Ansätze behandeln die verschiedenen Dimensionen – Architektur, Trainingsstrategie, Feature‑Engineering und Hyperparameter – getrennt und bieten wenig Transparenz. Automatisierte Verfahren stoßen an ihre Grenzen, wenn es um dynamische Anpassung und semantisches Verständnis von Optimierungsentscheidungen geht.