Fanuc launches new ‘heavyweight’ industrial robot
工业机器人和工厂自动化领域的全球领导者 Fanuc 推出了 M-950iA“重型工业机器人”，能够举起 500 公斤的重物——包括汽车零部件、建筑材料和电动汽车电池组。串行链路结构的 M-950iA/500 完美契合 Fanuc 的 M-900iB 和 M-1000iA 系列，提供比标准并行链路机器人更广泛的运动范围，[…]
Accelerating Mixtral MoE fine-tuning on Amazon SageMaker with QLoRA
在本文中，我们将演示如何通过使用完全托管的环境和 Amazon SageMaker 训练作业来使用 PyTorch 完全分片数据并行 (FSDP) 和量化低秩自适应 (QLoRA) 对 Mixtral 8x7B 模型进行微调，从而解决模型定制复杂、耗时且通常成本高昂的挑战。
Orchestrate generative AI workflows with Amazon Bedrock and AWS Step Functions
本博文讨论了如何使用 AWS Step Functions 高效协调多步骤生成式 AI 工作流，例如并行化对 Amazon Bedrock 的 API 调用以快速收集已提交问题列表的答案。我们还介绍了使用检索增强生成 (RAG) 来优化输出并提供额外的精度，以及通过 Step Functions 进行的其他可能的集成。
Arctoris and SpiroChem Enter into Strategic Partnership to Accelerate Drug Discovery
Arctoris 是一家领先的合同研究组织 (CRO)，通过其独特的自动化实验室和数据科学平台 UlyssesⓇ 推进药物发现实验，该公司宣布已与 SpiroChem AG 建立联合合作伙伴关系。该合作伙伴关系将 Arctoris 尖端的自动化生物学能力与 SpiroChem 世界一流的药物和合成化学平台相结合，包括光化学、电化学、流动化学和并行固相合成……
Union petitions in Michigan have more than doubled since 2021, labor board says
工会活动在过去几年中大幅增加，尤其是在中西部地区。根据美国国家劳工关系委员会 (NLRB) 的一份新闻稿，从 2023 年 10 月 1 日到 2024 年 9 月 30 日，该机构收到了 3,286 份工会选举请愿书，比 2023 财年增加了 27%，当时 NLRB 收到了 2,593 份请愿书。更重要的是，这是自 2021 财年以来收到的 1,638 份请愿书的两倍多。深入研究数据后发现，中西部各州的工会请愿书数量甚至有所增加——增长了 138%——是全国所有地区中增幅最高的。进一步细分，密歇根州在此期间增长了 160%，从 2021 年的 57 份请愿书增加到今年的 148 份。 “过去
Game-Changing Applications of Quantum Computing Across Industries
量子飞跃：量子计算将如何改变关键行业量子计算将彻底改变我们所知的技术。虽然传统计算机使用比特来表示信息，即 0 或 1，但量子计算机利用量子比特（qubits），由于叠加，量子比特可以同时存在于多个状态。这种独特的能力使量子计算机能够以比传统系统快得多的速度解决复杂问题。在本文中，我们将探讨量子计算在各个领域的改变游戏规则的应用，并讨论它将如何重塑行业。量子计算的未来应用量子计算简介量子计算是一种革命性的计算方法，它利用量子力学的原理，即自然界最小尺度的基本理论，例如原子和亚原子粒子。与将信息处理为二进制比特（0 或 1）的传统计算机不同，量子计算机使用量子比特或量子位。量子位可以存在于叠加状
Huawei выпустила первый в мире складной трехсекционный смартфон
配备 10.2 英寸屏幕的 Mate XT，与苹果传统展示并行，价格是 iPhone 16 Pro Max 的三倍。
Harnessing Hypercube Geometry for Superior Quantum Error Correction
日本理化学研究所量子计算中心开发了一种新的量子纠错方法，即“多超立方体代码”，该方法有望为容错量子计算提供高效和并行的纠错。该方法利用复杂的几何代码结构，能够实现与传统高性能计算类似的高编码率和并行处理能力，使其成为 [...]
Pacific Angel 24-3 concludes in Vietnam
太平洋天使 24-3 演习于 8 月 30 日在越南广义省和广南省落下帷幕，此前 10 天的并行工程、医疗活动和主题专家交流。
Soft Computing, Volume 28, Issue 15-16, August 2024
1) AENCIC：一种基于图像复杂度估计聚类数量的方法，用于图像分割的模糊聚类算法作者：Luis Madrid-Herrera、Mario I. Chacon-Murguia、Juan A. Ramirez-Quintana页数：8561 - 85772) 基于混合元启发式算法的深度神经网络肺癌检测和分类作者：Umesh Prasad、Soumitro Chakravarty、Gyaneshwar Mahto页数：8579 - 86023) 一种新的并行蝙蝠群优化算法及其在人工选择进化 CNN 架构中的应用作者：Kanishk Bansal、Amar Singh页数：8603 - 86214
摘要：在过去的几十年里，高性能计算的进步使得相位解析的 Boussinesq 型数值波浪模型在处理近岸沿海波浪过程方面更加实用。因此，开源 FUNWAVE-TVD 数值波浪模型在所有以科学和工程为重点的研发组织中变得越来越普遍，包括学术、政府和行业合作伙伴。与美国陆军工程研究与发展中心、海岸和水力学实验室、特拉华大学和 HR Wallingford 合作，开发了一个强大的测试平台，允许用户根据模型的新版本对其应用程序进行基准测试。这里介绍的测试平台包括分析、实验室和现场案例，为 FUNWAVE-TVD 的操作效用提供指导，并检查在近岸风波应用中模拟波浪生成、传播、波浪破碎和移动海岸线的数值收敛
IEEE Transactions on Fuzzy Systems, Volume 32, Issue 8, August 2024
1) 用于解决二元分类问题的直觉模糊随机配置网络作者：Lili Guo, Jianglan Zhu, Chenglong Zhang, Shifei Ding页数：4210 - 42192) 具有低通信资源的随机 MEMS 陀螺仪的固定时间模糊减振作者：Yu Xia, Ke Xiao, Yanang Yao, Zhibo Geng, Zsófia Lendek页数：4220 - 42333) BiFuG2-Spark：具有粒度组协作的双向模糊粒度舱并行属性约简加速器作者：Hengrong Ju, Tingting Shan, Weiping Ding, Keyu Liu, Muhammad J
The Math Behind Multi-Head Attention in Transformers
深入探究 Transformer 和 LLM 中的秘密元素多头注意力。让我们探索它的数学原理，并从头开始用 Python 构建它DALL-E 生成的图像1：简介1.1：Transformer 概述Vaswani 等人在其论文“Attention is All You Need”中介绍的 Transformer 架构已经改变了深度学习，尤其是在自然语言处理 (NLP) 领域。Transformer 使用自注意力机制，使它们能够一次性处理所有输入序列。这种并行处理允许更快地计算并更好地管理数据中的长距离依赖关系。这听起来不熟悉？别担心，因为它会在本文的末尾出现。让我们首先简单看一下 Transfo
The Corporation in the Twenty-First Century
我的新书将于 8 月 29 日发行，现在可以预订。几代人以来，我们将公司定义为由资本主义精英经营的企业，利用其积累的财富拥有生产资料并行使经济权力。这已不再是现实。在二十一世纪，我们最想要的商品和服务不是堆放在仓库或集装箱船上：它们出现在您的屏幕上，装在您的口袋里或占据您的头脑。但即使我们的消费量比以往任何时候都多，大企业也面临着合法性危机。制药行业创造了救命的疫苗，但却失去了公众的信任。高管和员工之间不断扩大的薪酬差距正在破坏我们的社会稳定。Facebook 和 Google 拥有的客户比历史上任何公司都多，但却受到广泛谴责。在这本书中，我探讨了商业是如何变化的——以及学术商业模式如何没有跟
The Corporation in the Twenty-First Century
我的新书将于 8 月 29 日发行，现在可以预订。几代以来，我们将公司定义为由资本主义精英经营的企业，利用其积累的财富拥有生产资料并行使经济权力。这已不再是现实。在二十一世纪，我们的 […]The Corporation in the Twenty-First appeared on John Kay.
将基于 Transformer 的模型扩展到超过 1000 亿个参数已在自然语言处理中取得突破性成果。这些大型语言模型在各种应用中都表现出色，但由于生成推理的顺序性，有效部署它们带来了挑战，其中每个标记的计算都依赖于前面的标记。这需要细致的并行布局和内存帖子《大规模 Transformer 模型的有效部署：可扩展和低延迟推理策略》首先出现在 AI Quantum Intelligence 上。
将基于 Transformer 的模型扩展到超过 1000 亿个参数已在自然语言处理领域取得突破性成果。这些大型语言模型在各种应用中都表现出色，但由于生成推理的顺序性，每个 token 的计算都依赖于前面的 token，因此有效部署它们带来了挑战。这需要细致的并行布局和内存。《高效部署大规模 Transformer 模型：可扩展和低延迟推理策略》一文首先出现在 AI Quantum Intelligence 上。
