XiaoMi-AI文件搜索系统
World File Search SystemCOMPUTE
高斯AI在木星上的计算竞赛 - 申请人的情况说明书
o资源需求必须在百万Core-H或Exa-Flop（EFLOP）中指定。1 o节科学目标请填写“仔细计算时间的其他应用程序” - 不完整的信息可能会导致资源的大量削减，甚至导致拒绝提案。请仅以在线形式提供此信息，而不是在项目描述中提供此信息。o节上传文件，请在此处以PDF格式上传您的详细项目描述。请使用Word，Latex和PDF中可用的模板。请注意，描述的大小限制为20页（字体尺寸11pt）和60MB。o截面最终确定完成后，您将再次将其引向应用程序列表。在这里，您可以在“最终应用程序”列表中找到此应用程序。请使用“打印”按钮打印申请表，签名表格并将其发送到协调办公室，以通过电子邮件（coordination-office@gauss@gauss@gauss-centre.eu）分配计算时间。11。为成功项目的计算资源提供了木星的生产开始，并且是
量子划分和计算：探索不同噪声源的效果
摘要我们最近的工作（Ayral等人。在IEEE计算机协会的会议记录中，ISVLSI，第138–140页，2020年。 Qubits和较浅的深度。这适应量子处理器的量子数量有限和短相干时间。本文研究了QDC过程的成功概率，研究了不同噪声源的影响 - 阅读错误，门错误和反应性。我们在ATOS量子学习机上执行详细的噪声建模，使我们能够理解权衡折衷方案，并提出有关哪些硬件噪声源的建议优先优化。我们还详细描述了我们用于在IBM的约翰内斯堡处理器上重现实验运行的噪声模型。本文还包括QDC程序中使用的方程式的详细推导，以从其片段的输出分布计算原始量子电路的输出分布。最后，我们通过张量 - 网络考虑分析了QDC方法的QDC方法的计算复杂性，并使用张量 - 网络模拟方法详细介绍了QDC方法的关系。
计算量子电路量子脆弱性因子的系统方法
摘要 — 量子计算是近年来最有前途的技术进步之一。量子比特对噪声高度敏感，噪声会使输出变得毫无用处。最近有研究表明，超导量子比特极易受到外部故障源（如电离辐射）的影响。当超导量子比特大规模采用时，辐射引起的错误预计将成为量子比特可靠性的严峻挑战。我们提出了一种评估瞬态故障对超导芯片上量子电路执行的影响的方法。受广泛用于经典计算的架构和程序脆弱性因子的启发，我们提出了量子脆弱性因子 (QVF) 来衡量量子比特损坏对电路输出的影响。我们根据对真实机器和辐射实验的最新研究，对故障进行建模，并设计故障注入器。我们报告了在三种算法上发现的超过 388,000,000 次故障注入（考虑单故障和双故障），从而确定了最有可能影响输出的故障和量子比特。我们给出了如何在实际设备中映射量子比特以减少输出误差并降低辐射引起的损坏修改输出的概率的指南。最后，我们将模拟与物理量子计算机上的实验进行了比较。
siavash A. Bigdeli - curriculum vitae- dtu Compute
2022-now Generative Methods for Computer Graphics , DTU , two lectures, MSc Responsible AI , DTU , BSc, MSc Creating Digital Visual Experiences , DTU , BSc, MSc Geometric Data Analysis and Processing , DTU , one lecture, MSc 2022-2023 Introduction to Programming and Data Structures , DTU , BSc (430 studens) 2020-2022 Babysitting Neural Nets , CSEM，深度学习入职课程2014-2018计算摄影，伯尔尼大学和EPFL，MSC
通过云进行治理：计算提供商在人工智能监管中的中介作用
随着世界各地的司法管辖区迈出监管最强大的人工智能系统的第一步，例如欧盟的《人工智能法案》和美国第 14110 号行政命令，人们越来越需要有效的执法机制来验证合规性并应对违规行为。我们认为，计算提供商应该承担与人工智能开发和部署相关的法律义务和道德责任，既要提供安全的基础设施，又要充当人工智能监管的中介。计算提供商可以通过四个关键能力在监管生态系统中发挥重要作用：作为安全者，保护人工智能系统和关键基础设施；作为记录保存者，提高政策制定者的可见性；作为客户活动的核实者，确保监督；作为执法者，对违反规则的行为采取行动。我们分析了以有针对性和隐私意识的方式执行这些功能的技术可行性，并提出了一系列技术工具。具体来说，我们描述了非机密信息（计算提供商大部分已经可以访问这些信息）如何提供计算工作负载的两个关键治理相关属性：其类型（例如大规模训练或推理）以及它所消耗的计算量。以 AI 行政命令 14110 为例，我们概述了美国如何开始实施对计算提供商的记录保存要求。我们还探讨了如何添加验证和执行角色以建立全面的 AI 计算监督方案。我们认为国际化将是有效实施的关键，并强调随着计算提供商在 AI 监管中的作用不断扩大，在机密性和隐私与风险缓解之间取得平衡的关键挑战。
Edge使用启发式和强化学习技术计算卸载策略。
与分布式计算范式一起出现了5G，称为边缘计算范围，通过减少网络潜伏期和能源消耗并提供可扩展性的机会，促使行业发生了巨大变化。边缘计算通过将数据中心放置在网络边缘来扩展用户资源受限设备的功能。计算卸载通过允许用户任务的迁移到边缘服务器来启用边缘计算。确定移动设备可以卸载任务以及在哪个服务器上卸载是否有益，而环境变量（例如可用性，加载，网络质量等）是有益的。，正在动态变化，是一个具有挑战性的问题，需要仔细考虑才能实现更好的绩效。该项目着重于提出轻巧和效率的算法，以从移动设备的角度进行卸载决策，以使用户受益。随后，启发式技术被研究为找到快速但优化解决方案的一种方式。这些技术已与多臂强盗算法结合使用，称为折扣上限置信度（DUCB），以迅速做出最佳决策。调查结果表明，这些启发式方法无法处理问题的动态性，并且DUCB提供了适应不断变化的情况而不必继续添加额外参数的能力。总体而言，DUCB算法在本地能源消耗方面的性能更好，并且可以改善大多数时间的服务时间。
形式、功能、思维：什么无法计算（什么可以计算）
Stuart A. Newman * 纽约医学院，纽约瓦尔哈拉 10595 美国 ____________________________________________________________________________________ 摘要 本文使用发育生物学和认知领域的例子，详细研究了计算和动态系统模型对生物体的适用性。发育形态发生取决于发育组织固有的物质特性，这是一种非计算方式，但细胞分化利用染色质可修改的记忆库和类似程序的函数调用，通过后生动物独有的发育基因共表达系统，具有准计算基础。多吸引子动力学模型被认为不适用于发展的整体特性，并且有人认为，与计算主义一样，动态主义同样不适合解释认知现象。有人提议将大脑和其他神经组织视为具有固有属性的新型可兴奋物质，从而能够增强整个生命之树中基于细胞的基础认知能力。
大脑的腹侧视觉通路能计算物体的形状吗？
大量行为文献表明，人类的物体识别是由形状表征支持的，这种表征能够容忍物体外观的变化。这种“全局”形状表征是通过描述物体局部特征或结构的空间排列而不是特征本身的外观来实现的。然而，越来越多的证据表明，腹侧视觉通路（物体识别的主要基础）可能并不代表整体形状。相反，腹侧表征可能更适合描述为局部图像特征的基础集。我们认为，这一证据迫使人们重新评估腹侧通路在物体感知中的作用，并提出了一个更广泛的形状感知网络，其中包括来自背侧通路的贡献。
使用状态抽象来计算 AI 代理行为的个性化对比解释
人工智能研究界对开发能够向用户解释其行为的自主系统的兴趣日益浓厚。然而，为不同专业水平的用户计算解释的问题却很少受到研究关注。我们提出了一种解决这个问题的方法，即将用户对任务的理解表示为规划器使用的领域模型的抽象。我们提出了在不知道这种抽象人类模型的情况下生成最小解释的算法。我们将生成解释的问题简化为对抽象模型空间的搜索，并表明虽然整个问题是 NP 难的，但贪婪算法可以提供最佳解决方案的良好近似值。我们通过经验表明，我们的方法可以有效地计算各种问题的解释，并进行用户研究以测试状态抽象在解释中的效用。
参考架构：联想 ThinkSystem 边缘计算和存储解决方案，适用于 AI 推理工作负载
公司越来越多地在网络边缘生成大量数据。为了从智能传感器和物联网数据中获得最大的商业价值，组织正在寻找支持边缘计算的实时事件流解决方案。计算要求高的工作越来越多地在数据中心之外的边缘执行。人工智能 (AI) 推理是这一趋势的驱动因素之一。边缘服务器为这些工作负载提供了足够的计算能力，尤其是在使用加速器时，但有限的存储通常是一个问题，尤其是在多服务器环境中。在这里，我们展示了如何在边缘环境中部署共享存储，以及它如何在不影响性能的情况下使 AI 推理工作负载受益。