Quantu关键词检索结果

新实验有助于激发学生对量子技术的兴趣

New experiments to help drive student interest in quantum technology

西班牙巴塞罗那大学的一个团队设计了实验设备,帮助本科生熟悉复杂的量子物理。研究人员表示,该项目在《EPJ Quantum Technology》杂志上发表的一篇论文中进行了描述,将帮助那些想要在该领域进入新阶段时继续研究量子技术的学生 […]

SMD 与 Beam 合作“调动”自主水下航行器

SMD partners with Beam to ‘mobilise’ autonomous underwater vehicles

水下技术和服务公司 SMD 和深度技术公司 Beam 正在合作,利用 Beam 的 Pathfinder 软件在恶劣的海上环境中“调动”自动驾驶汽车。在购买了 SMD 市场领先的 Quantum EV 后,Beam 计划将其创新的海底感知系统 SubSLAM(运行其 Pathfinder 软件)安装到车辆上,从而实现人工智能驱动的自动驾驶 […]

二十年博客生涯

Twenty Years Blogging

二十年前的今天,我第一次访问允许我为 Quantum Diaries 网站发布博客文章的界面,这是一项科学推广活动,涉及全球大约 12 名(然后是 15 名,然后是 25 名左右,如果我没记错的话)研究人员。一周前,费米实验室推广团队联系了我,他们正在设置这个东西,而那时我甚至不知道博客是什么!阅读更多

谷歌的量子计算机取得重大飞跃

Google’s quantum computer takes major leap forward

Google Quantum AI 的研究人员在量子计算领域取得了新的里程碑,他们的芯片可以纠正“临界阈值”以下的误差。该团队在《自然》杂志上发表了对纠错芯片的描述。 “可以说,这是迄今为止量子纠错最重要的演示,”斯蒂芬教授说 […]

AlphaQubit:解决量子计算最紧迫的挑战

AlphaQubit: Solving Quantum Computing’s Most Pressing Challenge

量子计算有可能改变许多行业,从密码学到​​药物研发。但扩展这些系统是一项艰巨的任务。随着量子计算机的发展,它们面临着更多的错误和噪音,这些错误和噪音可能会扰乱计算。为了解决这个问题,DeepMind 和 Quantum AI 推出了 AlphaQubit,这是一种神经网络,可以在计算之前预测和修复错误 […] AlphaQubit:解决量子计算最紧迫的挑战首先出现在 Unite.AI 上。

SIPRI 研究人员主持量子技术讨论

SIPRI researchers lead discussions on quantum technologies

11 月 20 日至 22 日,斯德哥尔摩国际和平研究所与联合国国际计算中心和 Quantum Delta NL 合作,探讨量子技术对和平与安全的影响。

AlphaQubit tackles one of quantum computing’s biggest challenges

AlphaQubit tackles one of quantum computing’s biggest challenges

Div> Dolphingemma正在帮助科学家研究海豚如何交流,并希望也能找出他们在说什么。

IBM 在欧洲开设量子计算中心

IBM открывает центр квантовых вычислений в Европе

该公司首次在美国境外部署 IBM Quantum System One 商用量子计算机。

波音公司将为美国武装部队和外国客户供应大批量SDB-1 UAB

Boeing поставит крупную партию УАБ SDB-1 для ВС США и зарубежных заказчиков

美国国防部宣布,美国空军司令部与波音公司签署了一份无限期交付不定数量(ID/IQ - indefinite-delivery/indefinite-quantum)小直径飞机的合同制导炸弹SDB增量I。

使用高效用项集挖掘进行市场购物篮分析 | 作者:Laurin Brechter | 2024 年 9 月

Market Basket Analysis Using High Utility Itemset Mining | by Laurin Brechter | Sep, 2024

在交易中寻找高价值模式 在这篇文章中,我将提供一种替代市场篮子分析中流行技术的替代方案,该技术可以帮助从业者找到高价值模式,而不仅仅是最常见的模式。我们将对不同的模式挖掘问题有一些直观的了解,并看一个真实的例子。完整的代码可以是使用高效用项集挖掘进行市场篮子分析的帖子 | 作者 Laurin Brechter | 2024 年 9 月首次出现在 AI Quantum Intelligence 上。

使用高效用项集挖掘进行市场购物篮分析 | 作者:Laurin Brechter | 2024 年 9 月

Market Basket Analysis Using High Utility Itemset Mining | by Laurin Brechter | Sep, 2024

在交易中寻找高价值模式 在这篇文章中,我将提供一种替代流行市场篮子分析技术的方案,该方案可以帮助从业者找到高价值模式,而不仅仅是最常见的模式。我们将对不同的模式挖掘问题有一些直观的了解,并看一个真实的例子。完整的代码可以是使用高效用项集挖掘进行市场篮子分析 | 作者:Laurin Brechter | 2024 年 9 月,首次出现在 AI Quantum Intelligence 上。

FPT Software AI Center 推出 HyperAgent:一种突破性的通用代理系统,可大规模解决各种软件工程任务,在 SWE-Bench 和 Defects4J 上实现 SOTA 性能

FPT Software AI Center Introduces HyperAgent: A Groundbreaking Generalist Agent System to Resolve Various Software Engineering Tasks at Scale, Achieving SOTA Performance on SWE-Bench and Defects4J

大型语言模型 (LLM) 彻底改变了软件工程,在各种编码任务中展示了非凡的能力。虽然最近的努力已经基于 LLM 为端到端开发任务产生了自主软件代理,但这些系统通常是为特定的软件工程 (SE) 任务而设计的。来自越南 FPT 软件 AI 中心的研究人员推出了 HyperAgent,一种新型通用多代理 FPT 软件 AI 中心推出 HyperAgent:一种突破性的通用代理系统,可大规模解决各种软件工程任务,在 SWE-Bench 和 Defects4J 上实现 SOTA 性能,首先出现在 AI Quantum Intelligence 上。

使用 DocOwl2 优化文档理解:一种新颖的高分辨率压缩架构

Optimizing Document Understanding with DocOwl2: A Novel High-Resolution Compression Architecture

理解多页文档和新闻视频是人类日常生活中的一项常见任务。为了解决这种情况,多模态大型语言模型 (MLLM) 应该具备理解具有丰富视觉文本信息的多幅图像的能力。然而,理解文档图像比自然图像更具挑战性,因为它需要更细粒度的感知。使用 DocOwl2 优化文档理解:一种新颖的高分辨率压缩架构,首次出现在 AI Quantum Intelligence 上。

NVIDIA 研究人员推出保序检索增强生成 (OP-RAG),用于通过大型语言模型 (LLM) 增强长上下文问答

NVIDIA Researchers Introduce Order-Preserving Retrieval-Augmented Generation (OP-RAG) for Enhanced Long-Context Question Answering with Large Language Models (LLMs)

检索增强生成 (RAG) 是一种提高大型语言模型 (LLM) 处理大量文本效率的技术,在自然语言处理中至关重要,特别是在问答等应用中,在这些应用中,保持信息的上下文对于生成准确的响应至关重要。随着语言模型的发展,研究人员努力突破界限 NVIDIA 研究人员引入了保序检索增强生成 (OP-RAG) 以增强大型语言模型 (LLM) 的长上下文问答 首次出现在 AI Quantum Intelligence 上。

XPER:揭开预测性能的驱动力 | 作者:Sébastien Saurin | 2024 年 9 月

XPER: Unveiling the Driving Forces of Predictive Performance | by Sébastien Saurin | Sep, 2024

一种分解您最喜欢的性能指标的新方法 照片由 Sira Anamwong 在 123RF 上拍摄 与 S. Hué、C. Hurlin 和 C. Pérignon 合著。敏感人工智能系统的可信度和可接受性在很大程度上取决于用户理解相关模型或至少是其预测的能力。揭开不透明的面纱 XPER:揭开预测性能的驱动力 | 作者:Sébastien Saurin | 2024 年 9 月,首次出现在 AI Quantum Intelligence 上。

XPER:揭开预测性能的驱动力 | 作者:Sébastien Saurin | 2024 年 9 月

XPER: Unveiling the Driving Forces of Predictive Performance | by Sébastien Saurin | Sep, 2024

一种分解您最喜欢的性能指标的新方法 照片由 Sira Anamwong 在 123RF 上拍摄 与 S. Hué、C. Hurlin 和 C. Pérignon 合著。敏感人工智能系统的可信度和可接受性在很大程度上取决于用户理解相关模型或至少是其预测的能力。揭开不透明的面纱 XPER:揭开预测性能的驱动力 | 作者:Sébastien Saurin | 2024 年 9 月首次出现在 AI Quantum Intelligence 上。

LowFormer:一种高效的视觉骨干模型,可在不牺牲准确性的情况下优化移动和边缘设备的吞吐量和延迟

LowFormer: A Highly Efficient Vision Backbone Model That Optimizes Throughput and Latency for Mobile and Edge Devices Without Sacrificing Accuracy

在计算机视觉中,主干架构对于图像识别、对象检测和语义分割任务至关重要。这些主干从图像中提取局部和全局特征,使机器能够理解复杂的模式。传统上,卷积层一直是这些模型的主要组成部分,但最近的进展结合了注意力机制,这增强了模型捕捉的能力。文章 LowFormer:一种高效的视觉主干模型,可在不牺牲准确性的情况下优化移动和边缘设备的吞吐量和延迟,首次出现在 AI Quantum Intelligence 上。

引入语义标签过滤:通过标签相似性增强检索 | 作者:Michelangiolo Mazzeschi | 2024 年 9 月

Introducing Semantic Tag Filtering: Enhancing Retrieval with Tag Similarity | by Michelangiolo Mazzeschi | Sep, 2024

***通过以下文章,我试图介绍几种新算法,据我所知,我无法找到这些算法。我愿意接受批评并欢迎任何反馈。传统标签搜索如何工作?传统系统采用一种称为 Jaccard 相似度的算法(通常通过 minhash 算法执行),该帖子引入语义标签过滤:通过标签相似度增强检索 | 作者 Michelangiolo Mazzeschi | 2024 年 9 月首先出现在 AI Quantum Intelligence 上。