XiaoMi-AI文件搜索系统
World File Search SystemBhaskaran
印度国家科学院（NASI）
acharya，narottam（b。1974），博士，科学家F，布巴内斯瓦尔生命科学研究所传染病生物学，因为他在真核生物中DNA复制领域的重要贡献和针对真菌病原体念珠菌的疫苗开发。agarwal，Vivek（b。1964），博士，FASC，FNA，FNAE，孟买印度理工学院电气工程系教授，孟买的电气工程学系，他对电力电子系统和照片伏特的贡献。 anilkumar，thapasimuthu vijayamma（b。 1961），FNAAS，FNAAS，科学家G＆负责人，tiruvananthapuram的Sree Chitra Tirunal医学科学与技术研究所实验病理学系，用于开拓技术，用于隔离哺乳动物外膀胱外细胞外基质的技术，并准备了Galladder的GallAdder and for Human and velyriary for Human and Velliary。 arvind（b。 1968），Patiala旁遮普大学旁遮普大学教授兼副校长博士学位，他在量子光学和连续变量量子密码学方面的出色作品。 他与他的合作者一起在印度进行了第一个量子计算实验。 他为安全的量子通信设计了新的协议，并在科学的普及方面进行了大量研究。 他还领导Photonics Quest的光子学垂直，该计划是专门针对量子科学技术的DST计划。 asif，Mehar Hasan（b。 1973），勒克瑙CSIR民族植物学研究所的高级科学家博士学位，因为她使用生物信息学和计算生物学上的水果成熟和植物二级代谢物合成的作品。 bajaj，avinash（b。1964），博士，FASC，FNA，FNAE，孟买印度理工学院电气工程系教授，孟买的电气工程学系，他对电力电子系统和照片伏特的贡献。anilkumar，thapasimuthu vijayamma（b。1961），FNAAS，FNAAS，科学家G＆负责人，tiruvananthapuram的Sree Chitra Tirunal医学科学与技术研究所实验病理学系，用于开拓技术，用于隔离哺乳动物外膀胱外细胞外基质的技术，并准备了Galladder的GallAdder and for Human and velyriary for Human and Velliary。arvind（b。1968），Patiala旁遮普大学旁遮普大学教授兼副校长博士学位，他在量子光学和连续变量量子密码学方面的出色作品。他与他的合作者一起在印度进行了第一个量子计算实验。他为安全的量子通信设计了新的协议，并在科学的普及方面进行了大量研究。他还领导Photonics Quest的光子学垂直，该计划是专门针对量子科学技术的DST计划。asif，Mehar Hasan（b。1973），勒克瑙CSIR民族植物学研究所的高级科学家博士学位，因为她使用生物信息学和计算生物学上的水果成熟和植物二级代谢物合成的作品。bajaj，avinash（b。她已经广泛努力鉴定香蕉，芒果和番茄特别参与成熟的结构和调节基因。她确定了几种药用植物中二次代谢生物合成的各种分子成分，纤维质量和稻米中砷耐受性的干旱反应性。1980），博士，法里达巴德区域生物技术中心教授，他致力于改善化学治疗药物的递送和小型生物活性分子的发展，以结合多药耐药细菌病原体。basu，anupam（b。1957），博士，FNAE，职业副校长，西孟加拉邦新镇的Nivedita University姐妹，因其在低成本嵌入式系统，辅助生活和自然语言处理方面的杰出贡献。batra，punita（b。1970），博士学位，Harish-Chandra Research Institute，Harish-Chandra Research Institute，Jhunsi，Prayagraj的Harish-Chandra Research Institute，因为她在Lie代数理论方面做出了杰出的贡献。她对仿射KAC –Moody Lie代数的几乎紧凑的真实形式进行了完整的分类，这些形式被引用了很多。Bhagavatula，Lakshmi Vara Prasad（b。1969), PhD, FASc, Director, Centre for Nano and Soft Matter Sciences (CeNS), Bengaluru, for his major contributions in the field ofsynthesis of metal nanoparticles and their assemblies and applications of soft and nano-materials BHANDARI, Rashna (b.1972），博士学位，科学家VII，Hyderabad的DNA指纹和诊断中心，是因为她在理解多磷酸盐的化学和生物学以及建立第一个研究多磷酸盐的小鼠模型方面做出了重大贡献。biswas，ranjit（b。Bhaskaran，Prasad Kumar（b。1970年），博士，海洋工程与海军建筑系教授，哈拉格布尔印度科技研究所，科技研究所，是他在北印度洋的哥斯多海洋学领域的重要贡献。1974），加尔各答印度化学生物学研究所分子遗传学科学学院高级科学家博士学位，因为他对理解SEC介导的转录调节的贡献及其对混合谱系白血病蛋白介导的白血病生成的影响。1969），加尔各答SN Bose国家基础科学基础科学中心高级教授，用于成功实施实验，理论的表述和计算机模拟之间的相互作用，并在多个领域做出了值得注意的贡献，包括深层的综合溶剂和离子液体。
人工智能和神经形态计算的光子学
用于人工智能和神经形态计算的光子学 1 2 Bhavin J. Shastri a,b,g,h , Alexander N. Tait c,b,g,h , Thomas Ferreira de Lima b , Wolfram HP Pernice d , Harish 3 Bhaskaran e , C. David Wright f , Paul R. Prucnal b 4 5 a 加拿大皇后大学物理、工程物理与天文学系，加拿大安大略省金斯顿 KL7 3N6 6 b 普林斯顿大学电气工程系，美国新泽西州普林斯顿 08544 7 c 美国国家标准与技术研究所应用物理部，美国科罗拉多州博尔德 80305 8 d 德国明斯特大学物理研究所，德国明斯特 48149 9 e 牛津大学材料系，英国牛津 OX1 3PH 10 f 埃克塞特大学工程系，埃克塞特 EX4 4QF，英国 11 g 这些作者对本文做出了同等贡献。 12 h shastri@ieee.org；alexander.tait@nist.gov 13 14 由于光子集成平台上光电元件的激增，光子计算研究蓬勃发展。光子集成电路已经实现了超快的人工神经网络，为新型信息处理机器提供了框架。在这种硬件上运行的算法有可能满足医疗诊断、电信、高性能和科学计算等领域对机器学习和人工智能日益增长的需求。与此同时，神经形态电子学的发展凸显了该领域的挑战，特别是与处理器延迟相关的挑战。神经形态光子学提供亚纳秒级的延迟，为扩展人工智能领域提供了互补机会。在这里，我们回顾了集成光子神经形态系统的最新进展，讨论了当前和未来的挑战，并概述了应对这些挑战所需的科学和技术进步。 25 26 传统计算机围绕集中式处理架构（即具有中央处理器 27 和内存）组织，适合运行顺序、数字、基于过程的程序。这种架构对于分布式、大规模并行和自适应的计算模型效率低下，最明显的是用于人工智能 (AI) 中神经网络的计算模型。人工智能试图在这些对传统计算机来说具有挑战性但对人类来说很容易的任务上接近人类水平的准确度。基于神经网络的机器学习 (ML) 算法已经取得了重大成就 [ 1 ]，它以分布式 32 方式处理信息并适应过去的输入，而不是由程序员明确设计。机器学习已经影响了我们生活的许多方面，其应用范围从翻译语言 [ 2 ] 到癌症诊断 [ 3 ]。神经形态工程在一定程度上试图将机器学习和人工智能算法的元素转移到能反映其大规模分布特性的硬件上。将硬件与算法相匹配可能会使信息处理速度更快、更节能。神经形态硬件也适用于机器学习之外的问题，例如机器人控制、数学规划和神经科学假设检验 [4,5]。与其他计算机架构相比，大规模分布式硬件在很大程度上依赖于集中元件（即神经元）之间的大规模并行互连。每个连接都专用的金属线是不切实际的。因此，当前最先进的神经形态电子设备使用某种形式的时分复用的共享数字通信总线，用带宽换取互连 [4]。光互连可以消除这种权衡，从而有可能加速机器学习和神经形态计算。 43 44 光已成为电信和数据中心的通信媒介，但在信息处理和计算领域尚未得到广泛应用。光电元件在通信方面表现出色，但其特性与数字门的要求却相矛盾 [6]。然而，非数字计算模型（如神经网络）更适合在光子学中实现。神经形态光子处理器的目标不应是取代传统计算机，而应实现传统计算技术目前无法实现的应用，特别是那些需要低延迟、高带宽和低能耗的应用 [7]。超快神经网络的应用示例包括：51 52 • 实现基础物理学的突破：量子比特读出分类 [ 8 ]、高能粒子碰撞 53 分类 [ 9 , 10 ]、聚变反应堆等离子体控制 [ 11 ] 54 • 非线性规划：解决非线性优化问题（机器人、自动驾驶汽车、预测 55 控制）[ 12 ] 和偏微分方程 [ 13 ] 5643 44 光已成为电信和数据中心的通信媒介，但在信息处理和计算领域尚未得到广泛应用。光电元件在通信方面表现出色，但其特性与数字门的要求却相矛盾 [6]。然而，非数字计算模型（如神经网络）更适合在光子学中实现。神经形态光子处理器的目标不应是取代传统计算机，而应实现传统计算技术目前无法实现的应用，特别是那些需要低延迟、高带宽和低能耗的应用 [7]。超快神经网络的应用示例包括：51 52 • 实现基础物理学的突破：量子比特读出分类 [ 8 ]、高能粒子碰撞 53 分类 [ 9 , 10 ]、聚变反应堆等离子体控制 [ 11 ] 54 • 非线性规划：解决非线性优化问题（机器人、自动驾驶汽车、预测 55 控制）[ 12 ] 和偏微分方程 [ 13 ] 5643 44 光已成为电信和数据中心的通信媒介，但在信息处理和计算领域尚未得到广泛应用。光电元件在通信方面表现出色，但其特性与数字门的要求却相矛盾 [6]。然而，非数字计算模型（如神经网络）更适合在光子学中实现。神经形态光子处理器的目标不应是取代传统计算机，而应实现传统计算技术目前无法实现的应用，特别是那些需要低延迟、高带宽和低能耗的应用 [7]。超快神经网络的应用示例包括：51 52 • 实现基础物理学的突破：量子比特读出分类 [ 8 ]、高能粒子碰撞 53 分类 [ 9 , 10 ]、聚变反应堆等离子体控制 [ 11 ] 54 • 非线性规划：解决非线性优化问题（机器人、自动驾驶汽车、预测 55 控制）[ 12 ] 和偏微分方程 [ 13 ] 56