ML on MagicDPD: Magic Driven Product Development!

🌟 HY3D-Bench: 22 терабайта отборной 3D-геометрии.

Wed, 11 Feb 2026 09:54:10 +0000

🌟 HY3D-Bench: 22 терабайта отборной 3D-геометрии.

Tencent Hunyuan вывалили в опенсорс монструозный пак HY3D-Bench на 22.5 ТБ и это подарок для всех, кто занимается 3D Gen и робототехникой.

Датасет разбит на 3 логических куска, каждый под свои задачи:

🟡Full-level Dataset (252K+ мешей, ~11 ТБ) База с полностью замкнутой геометрией, без дырок и non-manifold артефактов, которыми обычно кишат сканы. Все нормализовано и готово к скармливанию в DiT или GAN. В комплекте идут сэмплы точек и мульти-вью рендеры.

🟡Part-level Dataset (240K+ объектов, ~5 ТБ) Мёд для робототехников и тех, кто занимается geometric perception. Тут объекты с семантической сегментацией на части. Если учите сервоприводного друга манипуляциям или хотите генерить объекты кусками - вам сюда.

🟡Synthetic Dataset (125K+ объектов, ~6.5 ТБ) Очевидная синтетика, чтобы закрыть редкие категории, которых нет в обычных датасетах. Охват - 1252 категории.

Ждем волну SOAT-level 3D-генераторов, дотюненных на этом наборе.

🟡Arxiv 🟡Датасет 🖥GitHub

@ai_machinelearning_big_data

https://huggingface.co/datasets/tencent/HY3D-Bench https://arxiv.org/pdf/2602.03907 https://huggingface.co/datasets/tencent/HY3D-Bench https://github.com/Tencent-Hunyuan/HY3D-Bench

⚡️ OpenAI Prism: научный редактор на базе GPT-5.2 с поддержкой LaTeX.

Wed, 28 Jan 2026 13:51:45 +0000

OpenAI наконец-то пустила в дело наработки купленного стартапа Crixet и это очень хорошая попытка создать идеальное рабочее место для ученых, где не нужно прыгать между десятью вкладками.

Если вы когда-нибудь писали статью, то вам знакомо, когда в одном окне Overleaf, в другом - ChatGPT, в третьем - arXiv, а где-то сбоку еще болтается менеджер ссылок. Контекст постоянно теряется, а копипаст формул туда-сюда рано или поздно приводит к ошибкам.

Так вот, Prism соберет все это в одну кучу и это не просто чат в боковой панели. Он видит всю структуру вашей статьи: уравнения, библиографию и графики.

Можно запустить режим Тhinking и попросить модель, например, переписать сложную формулу или поправить логику в конкретном абзаце. При этом правки вносятся прямо в текст, так что копировать куски кода из чата больше не придется.

🟡Еще из полезного

🟢Можно сфотографировать наброски формул или диаграмм с маркерной доски, и Prism сама перегонит их в LaTeX.

🟢Связь с arXiv: искать литературу и вставлять цитаты можно прямо во время написания черновика.

🟢Голосовые правки - если лень тянуться к клавиатуре, простые изменения можно надиктовать.

🟢Совместная работа: можно добавить сколько угодно соавторов, и никто не будет бомбить от конфликта версий.

Самое приятное - базовую версию Prism сделали бесплатной для всех.

@ai_machinelearning_big_data

https://openai.com/index/introducing-prism/ https://prism.openai.com/

#Ansys опубликовал обзор новых фишек следующей своей версии 2022R2. Правда обзор получился какой-то куцый.

Wed, 13 Jul 2022 19:53:40 +0000

Рассказали про аддитивку и немного про #LSDYNA.

Моделирование аддитивного производства стало выглядеть как действительно важная часть кода, а не как непонятный набор кода. Появилась поддержка #DED (на основе #gcode!!!), предсказание коробления на основе машинного обучения (!!!) и куча новых целей и критериев топологической оптимизации. #additivemanufacturing #ML https://www.youtube.com/watch?v=AxiB_1A67AI

https://www.youtube.com/watch?v=AxiB_1A67AI

#Python #opensource фреймворк #automan Этот позволяет автоматизировать последовательность запуска ресурсоёмкий вычислительных задач из области #ML и #CAE (примеры прилагаются).

Tue, 21 Jun 2022 18:00:02 +0000

Основные особенности по мнению разработчиков:

помогает организовать расчеты
помогает организовать запуск расчетов и последующую постобработку их результатов
помогает повторно использовать код для постобработки данных моделирования
помогает выполнять все моделирование и постобработку одной командой https://github.com/pypr/automan

https://github.com/pypr/automan

Модели турбулентности на основе машинного обучения

Thu, 20 May 2021 13:01:46 +0000

Модели турбулентности на основе машинного обучения

https://youtu.be/AgvjPPzy64I

Машинное обучение, и в частности глубокие нейронные сети, в настоящее время революционизируют методы моделирования турбулентной гидродинамики. В этом видео рассказывается о том, как глубокое обучение используется для моделирования турбулентности.

#ai #ml #turbulence https://tinyurl.com/ygdrop9q

Deep Learning for Turbulence Closure Modeling https://tinyurl.com/ygdrop9q