XiaoMi-AI文件搜索系统
World File Search SystemNeumann
通过冯·诺依曼瓶颈引导脑部通信
脉冲神经网络的通用模拟代码大部分时间都处于脉冲到达计算节点并需要传送到目标神经元的阶段。这些脉冲是在通信步骤之间的最后一个间隔内由分布在许多计算节点上的源神经元发出的，并且相对于其目标而言本质上是不规则的和无序的。为了找到这些目标，需要将脉冲发送到三维数据结构，并在途中决定目标线程和突触类型。随着网络规模的扩大，计算节点从越来越多的不同源神经元接收脉冲，直到极限情况下计算节点上的每个突触都有一个唯一的源。在这里，我们通过分析展示了这种稀疏性是如何在从十万到十亿个神经元的实际相关网络规模范围内出现的。通过分析生产代码，我们研究了算法更改的机会，以避免间接和分支。每个线程都承载着计算节点上相等份额的神经元。在原始算法中，所有线程都会搜索所有脉冲以挑选出相关的脉冲。随着网络规模的增加，命中率保持不变，但绝对拒绝次数会增加。我们的新替代算法将脉冲均匀地分配给线程，并立即根据目标线程和突触类型对它们进行并行排序。此后，每个线程仅完成向其自身神经元的脉冲部分的传递。无论线程数如何，所有脉冲都只被查看两次。新算法将脉冲传递中的指令数量减半，从而将模拟时间缩短了 40%。因此，脉冲传递是一个完全可并行的过程，具有单个同步点，因此非常适合多核系统。我们的分析表明，进一步的进展需要减少指令在访问内存时遇到的延迟。该研究为探索延迟隐藏方法（如软件流水线和软件诱导预取）奠定了基础。
Maggie E. Neumann Health Sciences Research Fund
目的本要求的试点研究赠款提案的目的是为捐赠的Maggie E. Neumann Health Sciences Research Fund寻求跨学科申请。本公告邀请了旨在为新颖且可能可扩展的方法提供概念概念的飞行员研究赠款的申请，以改善慢性残疾患者的健康和福祉。美国残疾人协会将残疾人定义为具有物理或精神障碍的人，该人具有实质上限制一项或多项主要生活活动的人。残疾类别包括与视力，流动性，听觉，神经系统，认知，医学和心理障碍有关的残疾类别。我们预计每人25,000至60,000美元的范围内为2-4个飞行员赠款提供资金。背景健康人2030和患者以患者为中心的结果研究计划（PCORI）确定了改善残疾人的健康和福祉，这是国家优先事项。与这些国家优先事项一致，Maggie E. Neumann Health Sciences Research Fund的目标是将科学家，社区和/或商业合作伙伴组成的跨学科团队汇总，以应对慢性残疾儿童和成人的最佳健康和福祉的最紧迫的障碍。数据表明，特拉华州四分之一的成年人患有慢性残疾，约有14％的人具有认知障碍。与没有残疾的人相比，患有残疾的人的抑郁症，肥胖，糖尿病和心脏病的患病率要高得多。此外，在残疾人患者中，关键的风险行为，例如体育锻炼水平较低，睡眠不良，耐饮食不良，饮食不良和饮酒量的增加更为常见。残疾人不太可能获得足够的娱乐和就业机会，并且独立生活。健康和健康方面的这些差异可能特别明显，对于属于种族和少数民族群体并居住在农村环境中的慢性残疾人。该要求提出的一般兴趣的主题，以改善儿童和/或慢性残疾成年人的健康和/或生活质量包括但不限于：
研究声明
我的研究是自由概率的，重点是von Neumann代数与随机矩阵之间的相互作用。特别是，我通过熵，最佳运输，随机控制和连续模型理论研究这些对象。具有奇特状态的von Neumann代数可以理解为代数L∞（ω，µ）相关概率空间（ω，µ）的非交通性版本，但是von Neumann代数的分类和结构比经典可能性空间的复杂得多。某些von Neumann代数是将某些随机n×n矩阵的行为描述为n→∞的适当对象。这种连接的好处有两种方法：无限二维对象（von Neumann代数）在随机n×n矩阵的限制行为中对大有限n n散发，而矩阵近似值也会产生有关von neumann代数的一些结构性结果，这些结果否则可能会rard。主题：我在以下领域做出了贡献：
引用本文：Oliver Neumann、Katharina Guirguis 和 Reto Steiner (2022)：探索公共组织中人工智能的采用：比较案例研究，公共管理评论，DOI：10.1080/14719037.2022.2048685
代理和助手、预测分析、欺诈和威胁检测、资源分配以及支持专家任务 (Mehr、Ash 和 Fellow 2017；Wirtz、Weyerer 和 Geyer 2019)。不出所料，公共组织越来越多地考虑采用人工智能技术 (Sun 和 Medaglia 2019)，并已开始发布有关使用人工智能的政策文件 (Ulnicane 等人2021)。然而，虽然在某些早期采用人工智能的国家（例如美国或英国），公共部门对人工智能的使用正在增加，但在许多公共组织中，生产性应用仍然很少（Mikalef 等人2021 ；Oxford Insights 2020 ；Margetts 和 Dorobantu 2019 ；Wirtz 和 Müller 2019 ）。政府中的人工智能通常处于实验阶段（Margetts 和 Dorobantu 2019 ），或者传统自动化解决方案被错误地标记为“人工智能”。
一种自适应方法，用于管理应用程序和利用可再生能源用于可持续云计算
神经形态计算最近已成为传统冯·诺伊曼（Von Neumann）架构（Zargham，1996）的可能替代品的突出替代品。使用基于经典CMOS的von Neumann机器时通常面临的一些问题是其能量官方的限制，也是由于物理限制而对速度和扩展的绝对限制（Mead，1990; Koch and Segev，2003年）。尽管摩尔的定律长期持续了，并在硬件性能方面取得了迅速而持续的进展（Moore，1965），但现在很明显，这不会持续。因此，需要寻找替代的计算体系结构，包括神经形态计算（Aand Youjie li等，2017； Kim等，2015； Esser等，2016）。冯·诺伊曼（Von Neumann）建筑也有一个固有的问题，通常称为“ von neumann瓶脖子”，因为CPU和Main Div>之间的带宽有限
量子条件概率和量子信息的新度量
量子信息主要从von Neumann熵和相关数量[1，2]来理解。由于典型的量子现象，例如纠缠等量子，量子信息度量（例如有条件的von Neumann熵和互助的von Neumann信息），即填充了良好的潜在概率分布。尽管如此，尽管它们有些神秘的概念上的基础，但这些数量已被证明可用于重新构架和阐明量子信息的各个方面。经典信息度量所满足的许多关系都反映出它们的量子类似物[1-3]，有时非常明显，就像在强大的亚添加性的情况下一样[4]。在本文中，我们定义并研究了补充标准量的新形式的量子信息。我们方法中的关键成分是[5，6]中首先研究的有条件概率分布，该分布为所描述的信息类型提供了基础图片。特别是，我们能够在开放量子系统的上下文中提供信息流的描述，这些量子系统的动力学进化被线性，完全积极的，痕迹的（CPTP）映射良好，而没有任何明确吸引更大的Hilbert Space或辅助系统。我们表明，量子信息理论的某些标准结果从我们的角度自然而然地出现。第2节提供了一些有关经典和量子信息的相关背景。在第3节中，我们从量子条件概率方面定义了新的量子条件熵和量子相互信息的新形式，并且布里层描述了对这些数量的动态解释。在第4节中，我们使用上一节的结果来分析熵增长（在香农的意义上）的过程，并提供了von Neumann熵和量子数据处理的新证明。我们证明我们的量子数据处理不平等提供了自然的解释
Neumann-1958 计算机与大脑.pdf
约翰·冯·诺依曼（/vɒn ˈnɔɪmən/；匈牙利语：Neumann János Lajos，发音为 [ˈnɒjmɒn ˈjaːnoʃ ˈlɒjoʃ]；1903 年 12 月 28 日 - 1957 年 2 月 8 日）是一位匈牙利裔美国数学家、物理学家、计算机科学家、工程师和博学者。冯·诺依曼被普遍认为是他那个时代最重要的数学家，被称为“伟大数学家的最后代表”；他将纯科学和应用科学融为一体。他在许多领域做出了重大贡献，包括数学（数学基础、泛函分析、遍历论、表示论、算子代数、几何、拓扑和数值分析）、物理学（量子力学、流体动力学和量子统计力学）、经济学（博弈论）、计算机（冯·诺依曼架构、线性规划、自复制机器、随机计算）和统计学。
准确高效地检测 RNA 中的基因融合...
Fröhlich 1,2,3，Barbara Hutter 1,2,3，Umut H. Toprak 3,6，Olaf Neumann 7，Albrecht Stenzinger 3,7,8,4
回复审稿人评论
某些上下文：设备独立的加密是一种量子密码学类型，仅基于违反协议中检测到的铃铛不平等的行为，证明了安全性。如果意识到，这将是最安全的量子加密类型，因为它不依赖于量子设备的任何详细建模，这些量子设备总是有可能以理论上可以被窃听者黑客入侵的方式详细地详细说明。但是，在实验上，独立的密码学（尤其是DIQKD）非常困难地实现（进行无漏洞的铃铛实验只是前提条件）。几年前发表的熵积累定理表明，假设一个回合中有条件的von Neumann熵在有条件的von Neumann熵上，则如何证明设备独立协议的无条件安全性。按照此结果，人们对找到更好的方法来降低设备独立协议中的von Neumann熵有很大的兴趣，其想法是，能够获得更好的关键率或随机性生成率可以降低实验的需求并使设备独立协议的实现更加容易。