XiaoMi-AI文件搜索系统
World File Search SystemPaddlePaddle
Infome 2021 人工智能指数 - 斯坦福大学
Alexey Bochkovskiy；百度 PaddlePaddle 计算机视觉团队；徐成刚（长江商学院）；Mohammed AlQuraishi（哥伦比亚大学）；Evan Schnidman（EAS Innovation）；林方真（香港科技大学）；David Kanter（MLCommons）；Sam Bowman（纽约大学）；Maneesh Agrawala、Jeannette Bohg、Emma Brunskill、Chelsea Finn、Aditya Grover、Tatsunori Hashimoto、Dan Jurafsky、Percy Liang、Sharon Zhou（斯坦福大学）；Vamsi Sistla（加州大学伯克利分校）；Simon King（爱丁堡大学）；Ivan Goncharov（Weights & Biases）
人工智能 (AI) 英特尔® 高级矩阵扩展 (英特尔® AMX) 利用英特尔高级矩阵扩展 (英特尔 AMX) 加速 AI 工作负载
Intel AMX 是内置于最新 Intel Xeon 处理器中的加速器。Intel AMX 提高了深度学习 (DL) 训练和推理的性能，使其成为 NLP、推荐系统和图像识别等工作负载的理想选择。想象一下，一辆汽车可以在城市驾驶中表现出色，并能快速变速，提供一级方程式赛车的性能。最新的 Intel Xeon 处理器提供了这种灵活性。开发人员可以编写 AI 功能以利用 Intel AMX 指令集，也可以编写非 AI 功能以使用处理器指令集架构 (ISA)。英特尔已将其 oneAPI DL 引擎英特尔® oneAPI 深度神经网络库 (oneDNN) 集成到流行的 AI 应用程序开源工具中，包括 TensorFlow、PyTorch、PaddlePaddle 和 ONNX。
![arxiv：2101.12190v2 [Quant-ph] 22 Sep 2021](/simg/g:\will\search\icon\source\1\1053115d13f432dfd228ebf1d66091e9e8bef726.webp)
arxiv：2101.12190v2 [Quant-ph] 22 Sep 2021
分布式量子信息处理对于构建量子网络和实现更广泛的量子计算至关重要。在此制度中，几个空间分开的各方共享一个多部分量子系统，最自然的操作是本地操作和经典通信（LOCC）。作为量子信息理论和实践的关键部分，LOCC导致了许多重要方案，例如量子传送。但是，由于LOCC的棘手的结构和近期量子设备设定的限制，设计实用的LOCC协议是具有挑战性的。在这里，我们介绍了LOCCNET，这是一个机器学习框架，促进协议设计和优化，用于分布式量子信息处理任务。作为应用程序，我们探讨了各种量子信息任务，例如纠缠蒸馏，量子状态歧视和量子通道模拟。我们发现具有明显改进的协议，特别是与量子信息感兴趣的量子状态有关的纠缠蒸馏。我们的方法为探索纠缠及其在机器学习中的应用开辟了新的机会，这将使我们对LOCC的力量和局限性有可能增强我们的理解。LOCCNET的实现可在Paddle Quantum中获得，这是一种基于PaddlePaddle Deep Learning Platform的量子机学习Python软件包。