XiaoMi-AI文件搜索系统
World File Search SystemEfficient
DeepFLASH：基于学习的医学图像配准高效网络
本文介绍了 DeepFLASH，一种用于基于学习的医学图像配准的高效训练和推理的新型网络。与从高维成像空间中的训练数据中学习空间变换的现有方法相比，我们完全在低维带限空间中开发了一种新的配准网络。这大大降低了昂贵的训练和推理的计算成本和内存占用。为了实现这一目标，我们首先引入复值运算和神经架构表示，为基于学习的配准模型提供关键组件。然后，我们构建了一个在带限空间中完全表征的变换场的显式损失函数，并且参数化要少得多。实验结果表明，我们的方法比最先进的基于深度学习的图像配准方法快得多，同时产生同样精确的对齐。我们在两种不同的图像配准应用中展示了我们的算法：2D 合成数据和 3D 真实脑磁共振 (MR) 图像。我们的代码可以在https://github.com/jw4hv/deepflash上找到。
纳米结构石墨烯上非aacenes的有效光生成
通过低温扫描隧道显微镜和光谱学的低温扫描隧道显微镜和光谱研究，已经研究了在RU（0001）上生长的纳米结构上的外延地石墨烯（纳米结构上的外延石墨烯）上的非成激素的表面光学。存在空间位于前体被吸附的区域中的空间位置，并在电磁频谱区域进行努力访问的区域，在那里进行N-π *跃迁，允许将前体转化为100％。在最新的理论计算的帮助下，我们表明，这种高收率是由于传入的光以及随之而来的电子转移到前体的无弹性散射机制的有效人数。我们的发现是实验证实，表面状态可以在复杂的表面光化学中发挥重要作用
ProAI：适用于汽车应用的高效嵌入式 AI 硬件——基准研究
多年来，单板计算机 (SBC) 领域的发展一直在不断加快。它们在计算性能和功耗之间实现了良好的平衡，这通常是移动平台所必需的，例如用于高级驾驶辅助系统 (ADAS) 和自动驾驶 (AD) 的车辆应用。然而，对更强大、更高效的 SBC 的需求日益增长，这些 SBC 可以实时运行功耗密集型深度神经网络 (DNN)，还可以满足必要的功能安全要求，例如汽车安全完整性等级 (ASIL)。ZF 正在开发“ProAI”，主要用于运行强大而高效的应用程序，例如多任务 DNN，此外，它还具有 AD 所需的安全认证。在这项工作中，我们基于功耗密集型多任务 DNN 架构 Multitask-CenterNet，就 FPS 和功率效率等性能指标比较和讨论了最先进的 SBC。作为一款汽车超级计算机，ProAI 实现了性能和效率的完美结合，其每瓦 FPS 数量几乎是现代工作站笔记本电脑的两倍，几乎是 Jetson Nano 的四倍。此外，根据基准测试期间的 CPU/GPU 利用率，还显示 ProAI 上仍有剩余电量用于执行进一步更复杂的任务。
具有固定电荷的混合态的量子关联与经典关联的有效分离
纠缠是量子技术的关键资源，是令人兴奋的多体现象的根源。然而，当现实世界的量子系统与其环境相互作用时，量化其两部分之间的纠缠是一项挑战，因为后者将跨边界的经典关联与量子关联混合在一起。在这里，我们使用混合态的算子空间纠缠谱有效地量化了这种现实开放系统中的量子关联。如果系统具有固定电荷，我们表明谱值的子集编码了不同跨边界电荷配置之间的相干性。这些值的总和，我们称之为“配置相干性”，可用作跨边界相干性的量化器。至关重要的是，我们证明了对于纯度非增映射，例如具有 Hermitian 跳跃算子的 Lindblad 型演化，配置相干性是一种纠缠度量。此外，可以使用状态密度矩阵的张量网络表示有效地计算它。我们展示了在存在失相的情况下在链上移动的无自旋粒子的配置相干性。我们的方法可以量化广泛系统中的相干性和纠缠，并激发有效的纠缠检测。
加油否认：气候变化反动运动和瑞典极右媒体
©作者2024。Open Access本文是根据Creative Commons Attribution 4.0 International许可获得许可的，该许可允许以任何媒介或格式使用，共享，适应，分发和复制，只要您对原始作者和来源提供适当的信誉，请提供与创意共享许可证的链接，并指出是否进行了更改。本文中的图像或其他第三方材料包含在文章的创意共享许可中，除非在信用额度中另有说明。如果本文的创意共享许可中未包含材料，并且您的预期用途不受法定法规的允许或超过允许的用途，则您需要直接从版权所有者那里获得许可。要查看此许可证的副本，请访问http：//创建ivecommons。org/licen ses/by/4。0/。
infinigen：具有动态KV缓存管理的大语言模型的有效生成推断
基于变压器的大语言模型（LLMS）在各种自然语言处理任务中都具有令人印象深刻的表现。为LLM推断为生成长含量而构成挑战，这是由于瞬态状态的巨大内存足迹（称为键值（KV）缓存），该状态以序列长度和批处理大小缩放。在本文中，我们提出了Infinigen，这是一种针对Longext Genertion量身定制的新型KV缓存管理框架，该框架协同与现代卸载基于卸载的推理系统合作。Infinigen利用了关键见解，即可以通过对当前层的最小彩排以及查询权重的一部分和后续层的关键缓存进行最小化的彩排来推测，对于计算变压器中后续注意力层至关重要的重要洞察力。这使我们只能预取基本的KV缓存条目（不提供所有内容），从而在基于卸载的LLM服务系统中减轻主机内存中的提取开销。我们对几种代表性LLMS的评估表明，与先前的KV高速缓存管理方法相比，Infinigen将基于现代卸载系统的总体性能提高了3.00倍，同时提供了更好的模型准确性。
量子内积的电路设计与高效模拟及其对近期混合量子-经典机器学习影响的实证研究
在量子计算机上可验证的较低复杂度。然而，量子电路 (QC) 的 QIP 体现仍不清楚，更不用说对 QIP 电路的 (彻底) 评估，特别是在 NISQ 时代的实际环境中，通过混合量子经典管道将 QIP 应用于 ML。在本文中，我们从头开始精心设计 QIP 电路，其复杂性与理论复杂性一致。为了使模拟在经典计算机上易于处理，特别是当它集成在基于梯度的混合 ML 管道中时，我们进一步设计了一种高效的模拟方案，直接模拟输出状态。实验表明，与之前的电路模拟器相比，该方案将模拟速度提高了 68k 倍以上。这使我们能够对典型的机器学习任务进行实证评估，从通过神经网络的监督和自监督学习到 K 均值聚类。结果表明，在量子比特足够的情况下，典型量子机制带来的计算误差一般不会对最终的数值结果产生太大影响。然而，某些任务（例如 K-Means 中的排序）可能对量子噪声更加敏感。
具有 Cys-His-Asp 三联体的无金属 α/β-水解酶的超高通量定向进化为高效的磷酸三酯酶
摘要：寻找新的机制解决方案以应对生物催化挑战是酶进化适应以及设计新催化剂的关键。最近人造物质被释放到环境中，为观察生物催化创新提供了动态试验场。用作杀虫剂的磷酸三酯最近才被引入环境中，而它们并没有天然对应物。为了应对这一挑战，酶已迅速进化以水解磷酸三酯，并趋向于相同的机制解决方案，即需要二价阳离子作为催化的辅助因子。相比之下，先前发现的宏基因组混杂水解酶 P91（乙酰胆碱酯酶的同源物）实现了由金属独立的 Cys-His-Asp 三联体介导的缓慢磷酸三酯水解。在这里，我们通过对 P91 进行定向进化来探究这种新催化基序的可进化性。通过将聚焦库方法与液滴微流体的超高通量相结合，我们仅通过两轮进化就将 P91 的活性提高了约 360 倍（达到 ak cat / KM ≈ 7 × 10 5 M − 1 s − 1 ），可与自然进化的金属依赖性磷酸三酯酶的催化效率相媲美。与其同源物乙酰胆碱酯酶不同，P91 不会遭受自杀抑制；相反，快速的去磷酸化速率使共价加合物的形成而不是水解速率成为限制因素。定向进化改进了这一步骤，中间体的形成速度提高了 2 个数量级。将聚焦的组合库与液滴微流体的超高通量相结合，可以用于识别和增强自然界中尚未达到高效率的机制策略，从而产生具有新型催化机制的替代试剂。■ 简介