Compact error correction: towards a more efficient quantum ‘hard drive’
悉尼大学的两位量子信息理论家解决了一个数十年之久的问题，这将释放量子计算能力。
MIT Research Team Engineers Quantum Solution to Computing’s Energy Problem
计算能力的不断进步长期以来依赖于我们制造更小、更高效的电子元件的能力。这一进步的核心是不起眼的晶体管——现代电子产品的基本组成部分。然而，随着我们的数字世界不断扩大，人工智能应用变得越来越苛刻，我们正在接近一个关键的 […]麻省理工学院研究团队设计量子解决方案解决计算能源问题的文章首先出现在 Unite.AI 上。
Artificial intelligence: A double-edged sword for the environment?
随着人工智能技术的进步，训练复杂人工智能模型的能源需求激增，引发了人们对相关碳排放的普遍担忧。这种快速增长是由全球各行业和学术界的需求推动的，导致计算能力呈指数级增长，带来重大的环境后果。
Zero Resistance Breakthrough: Meet the Quantum Sandwich Powering the Future
研究人员开发出一种新的“三明治”结构材料，该材料表现出量子异常霍尔效应，使电子在较高温度下几乎无阻力地移动。这一突破可以显著提高计算能力，同时大幅降低能耗。该结构基于碲化铋和碲化锰铋的分层方法，有望更快[...]
Sub-Quadratic Systems: Accelerating AI Efficiency and Sustainability
人工智能 (AI) 正在以惊人的速度改变我们的世界，影响医疗保健、金融和零售等行业。从在线推荐产品到诊断医疗状况，AI 无处不在。然而，效率问题日益严重，研究人员和开发人员正在努力解决这一问题。随着 AI 模型变得越来越复杂，它们需要更多的计算能力，这使得 […] 次二次系统：加速 AI 效率和可持续性首先出现在 Unite.AI 上。
Обзор изменений в законодательстве за сентябрь 2024 года
在 2024 年 9 月的变更概述中，我们将考虑以下主题：1.关键信息基础设施 俄罗斯联邦政府 2018 年 2 月 8 日第 127 号法令批准的《RF CII 对象分类规则》变更已生效 2. 个人数据 已提出一项针对以下方面的法案。防止创建虚假图像和声音，并保护生物识别 PD3。金融组织的安全 关于确保俄罗斯银行支付系统不间断运行的程序的指示已经生效。4．其他 我们将考虑在提供计算能力时向托管提供商提出的信息保护要求、将互联网上的网站视为被 Roskomnadzor 屏蔽的网站副本的规则草案、旨在巩固公民发言权的法案以及其保护、俄罗斯 FSTEC 对国家秘密等实施国家控制的问题。 5．俄罗
UI-JEPA: Towards Active Perception of User Intent Through Onscreen User Activity
从一系列用户界面 (UI) 操作中生成用户意图是全面理解 UI 的核心挑战。多模态大型语言模型 (MLLM) 的最新进展已导致该领域取得了实质性进展，但它们对大量模型参数、计算能力和高延迟的要求使其不适用于需要轻量级、低延迟或高度隐私的设备解决方案的场景。此外，缺乏高质量的数据集阻碍了此类轻量级模型的开发。为了应对这些挑战，我们提出了 UI-JEPA，一种……
Обзор изменений в законодательстве за август 2024 года
在 2024 年 8 月的变更审查中，我们将考虑以下主题： 1. 关键信息基础设施 PAC 分类为可信的标准正在明确。对组织和实施电力行业重要 CII 设施的远程控制提出了附加要求。 2. 个人数据 让我们考虑一下 152-FZ 在个人数据去个性化和销毁方面的变化、监控个人数据处理时违反要求风险的新指标、572-FZ 涵盖的生物识别个人数据类型以及俄罗斯联邦安全局员工个人数据处理程序。 3. 金融组织的安全 俄罗斯央行提出了建立和计算资金转移时信息安全风险水平指标的新方法学建议。 4. 提出了对托管提供商列入托管提供商列表的其他要求以及对托管提供商提供计算能力的要求。电子签名验证密钥合格证书的
Is it time for an SMS revival ???
大约 18 年前，美国联邦航空局推出了全球领先的航空安全——安全管理系统。为了避免最近在发生事故或事件后才采取反应性规则的模式，这一新制度依赖于大规模计算能力、改进的飞机仪表和无过错理念，激励所有航空人员报告故障。这……
RTMW: A Series of High-Performance AI Models for 2D/3D Whole-Body Pose Estimation
全身姿势估计是提高以人为本的 AI 系统能力的关键组成部分。它在人机交互、虚拟化身动画和电影行业中很有用。由于任务的复杂性以及有限的计算能力和数据，该领域的早期研究具有挑战性，因此研究人员专注于估计单独的姿势。文章 RTMW：一系列用于 2D/3D 全身姿势估计的高性能 AI 模型首先出现在 AI Quantum Intelligence 上。
AI power needs driving a surge in tech giant carbon emissions. Nobody knows what to do
自 2022 年 11 月 ChatGPT 发布以来，世界对人工智能 (AI) 应用的投资、开发和使用出现了惊人的增长。据估计，用于人工智能的计算能力大约每 100 天翻一番。这一繁荣的社会和经济影响引发了世界各地的反应 […]
The Ultimate Handbook for LLM Quantization
深入研究 LLM 量化和技术照片由 Siednji Leon 在 Unsplash 上拍摄 CPU 上的 LLM？是的，你没听错。从处理对话到创建自己的图像，AI 自诞生以来已经取得了长足的进步。但它也带来了瓶颈。随着模型的扩展，它们的计算需求也在增加。AI 开始严重依赖计算能力。为了满足这些需求，我们转向了 GPU，剩下的就是历史了。许多设备没有强大的 GPU，因此错过了 AI 功能。有必要缩小这些模型的大小和功能，以便在计算能力有限的设备（如手机或仅配备 CPU 的计算机）上运行 AI 模型。早期的努力包括修剪和蒸馏等技术。然而，这些方法对于通常具有大规模架构的 LLM 来说并不可行。最近
Delta Lake Optimistic Concurrency Control — to lock or not to lock!
Delta Lake 乐观并发控制：锁定还是不锁定？Delta Lake 及其相关性随着数据世界通过 AI、ML 和其他流行技术竞相生成、存储、处理和使用大量数据，对独立可扩展存储和计算能力的需求也日益增长，以满足不断向通过 AI、ML 等训练和使用的数据集中添加（APPEND）和更改（UPSERT & MERGE）数据的需求。虽然不同云提供商提供的基于 Parquet 的数据湖存储在数据湖实施初期为我们提供了极大的灵活性，但当今业务和技术需求的发展对这些实施提出了挑战。虽然我们仍然喜欢使用 Parquet 的开放存储格式，但我们现在需要数据湖中的 ACID 事务、时间旅行和模式实施等功能。这
Navigating the flow: My MSc journey in CFD
大家好！我是 Akintunde Akinneye，我即将于 2024 年 9 月从克兰菲尔德大学获得计算流体动力学 (CFD) 理学硕士学位。CFD 是一个强大的领域，它利用计算能力来模拟流体行为。这项技术支撑着从尖端飞机到可持续风力涡轮机等所有设计。...文章《导航流程：我的 CFD 理学硕士之旅》首先出现在克兰菲尔德大学博客上。
Smart Factories: Concepts and Features
探索包括人工智能 (AI) 在内的新技术如何彻底改变制造流程。智能工厂是一种信息物理系统，它利用先进技术来分析数据、实现流程自动化并持续学习。它是工业 4.0 转型的一部分，结合了数字化和智能自动化。以下是一些主要功能：互联网络：智能工厂集成了机器、通信机制和计算能力。它们形成了一个互联的生态系统，数据在其中无缝流动。先进技术：智能工厂使用人工智能、机器学习和机器人技术来优化运营。这些技术可实现实时决策和适应性。数据驱动的洞察：传感器从设备、生产线和供应链收集数据。人工智能处理这些数据以提高效率、质量和预测性维护。智能工厂利用先进技术来分析数据、实现流程自动化并持续学习。工厂车间的自动化、机器
Artificial Intelligence: Generative AI Technologies and Their Commercial Applications
GAO 发现生成式人工智能可以根据用户的提示创建文本、图像、音频或视频等内容。生成式人工智能与其他人工智能系统的不同之处在于，它能够生成新颖的内容，需要大量的数据进行训练，并且模型的规模和复杂性更高。生成式人工智能模型的其他几个显著差异包括：使用自然语言进行提示，以及理解和解释模型决策的难度增加。生成式人工智能系统采用多种模型架构或底层结构。这些系统被称为神经网络，大致模仿人类大脑，可识别数据中的模式。多种因素的融合推动了生成式人工智能的快速发展：大型数据集的可用性、深度学习算法的改进和增强以及计算能力。生成式人工智能模型的训练需要大量数据，其中大部分数据通常来自互联网上的公开信息，其中可能包
Conformer-Based Speech Recognition on Extreme Edge-Computing Devices
这篇论文被 NAACL 2024 的行业轨道所接受。随着当今设备的计算能力和资源越来越强大，传统上计算密集型的自动语音识别 (ASR) 已从云端转移到设备，以更好地保护用户隐私。然而，在资源受限的设备（如智能手机、智能可穿戴设备和其他小型家庭自动化设备）上实现设备上的 ASR 仍然具有挑战性。在本文中，我们提出了一系列模型架构调整、神经网络图转换和数值优化来……
