Terms of use This article was downloaded from Harvard University's DASH repository, and is made available under the terms and conditions applicable to Open Access Policy Articles (OAP), as set forth at https://harvardwiki.atlassian.net/wiki/external/NGY5NDE4ZjgzNTc5NDQzMGIzZWZhMGFlOWI2M2EwYTg
对于量子计算机来说,首先量化的、基于网格的化学建模方法是一种自然而优雅的选择。然而,使用今天的量子原型来探索这种方法的威力是不可行的,因为它需要大量近乎完美的量子比特。在这里,我们使用精确模拟的量子计算机,最多有 36 个量子比特,来执行深度但资源节约的算法,用单个和成对的粒子来建模二维和三维原子。我们探索了一系列任务,从基态准备和能量估计到散射和电离动力学;我们评估了分裂算子量子场论 (SO-QFT) 哈密顿模拟范式中的各种方法,包括先前在理论论文中描述的协议和我们自己的技术。虽然我们发现了某些限制和注意事项,但一般来说,基于网格的方法表现得非常好;我们的结果与以下观点一致:从早期容错量子计算时代开始,第一量化范式将占据主导地位。
二氧化碳是目前最主要的温室气体 (GHG),全球每年向大气中的排放量已达到约 360 亿吨(1950 年排放量为 60 亿吨)。[1] 为履行《巴黎协定》并将全球变暖控制在远低于工业化前水平 1.5-2 ◦ C 的水平,到 2050 年后,温室气体净排放量必须变为零甚至为负值 [2]。在降低工业过程的能源强度和碳足迹方面已经取得了重大进展,但这一努力必须伴随着二氧化碳捕获和永久储存 (CCS) 的明确部署。CCS 是一个从二氧化碳捕获到运输和长期储存的流程链,其中二氧化碳捕获是最昂贵和耗能最高的步骤 [1]。 CCS 仍需要大规模部署才能实现减缓气候变化的目标,因为目前被捕获并最终封存的二氧化碳不到 4000 万吨 [3]。已确定的三种二氧化碳捕获策略是:燃烧后、燃烧前和富氧燃烧。燃烧后技术在相对较低的二氧化碳分压下(通常含有 10% 到 15% 的二氧化碳)从烟气中去除二氧化碳。燃烧后被认为是一种末端解决方案,可以集成到现有工艺中,只需对工厂布局进行合理的少量改动。然而,其效率在具有多个二氧化碳排放点(锅炉、熔炉等)的行业中受到限制,例如钢铁制造厂和石油炼制行业(两者的碳排放量约占全球的 12%)[4]。在预燃烧系统中,碳以 CO 和 CO 2 的形式存在,这些物质是先前的蒸汽重整或气化过程的产物。然后,这些碳被完全转化为 CO 2,并在高压下与氢气分离。近年来,低碳氢气的生产引起了人们的极大兴趣,它可以用作清洁能源或作为生产氨、甲醇或合成燃料(主要通过费托合成)的原料,是一种持续减少这些行业碳足迹的方法 [5]。最后,在富氧燃烧系统中,燃料的燃烧是在纯氧而不是空气中进行的,由于进入的助燃气体中不含氮,因此可以产生几乎纯净的 CO 2 气流。然而,为了保持 CO 2 的纯度,必须避免系统中任何潜在的空气渗入,这意味着需要严格且昂贵的安全程序。本期特刊汇编了来自不同学科的杰出研究人员所开展的创新研究的成功论文,这些研究将为二氧化碳捕获和储存技术领域的先进技术提供实质性进展。以下总结了本期特刊中主要研究方向和研究结果的相关特征。迄今为止,绝大多数大型试点和商业化二氧化碳捕获、运输和封存工厂都是在发达国家启动的。这是因为,旨在实施推广 CCS 的政策和监管框架的主要努力已在发达国家实施 [ 6 ]。然而,预计未来几十年发展中国家的能源需求将强劲增长,因此,大约 70% 的 CCS 开发应在这些地区进行,以满足长期需求。
摘要。大规模脉冲神经网络模型模拟是提高我们对大脑动态和最终功能理解的重要工具。然而,即使是像老鼠这样的小型哺乳动物也具有大约 1 × 10 12 个突触连接,在模拟中,每个突触连接通常至少有一个浮点值。这相当于几 TB 的数据——对于一台台式机来说,这是不切实际的内存要求。因此,大型模型通常在分布式超级计算机上进行模拟,这很昂贵,并且将大规模建模限制在少数特权研究小组中。在这项工作中,我们描述了 GeNN 的扩展——我们的图形处理单元 (GPU) 加速脉冲神经网络模拟器——使其能够在触发脉冲时“即时”生成连接和突触权重,而不是存储和检索它们。我们发现 GPU 非常适合这种方法,因为它们具有原始计算能力,但由于内存带宽限制,在模拟脉冲神经网络时,这种能力通常未得到充分利用。我们用最新的 Macaque 视觉皮层模型证明了我们方法的价值,该模型由 4.13×106 个神经元和 24.2×109 个突触组成。使用我们的新方法,它可以在单个 GPU 上进行模拟 - 这是使更多研究人员能够进行大规模大脑建模的重要一步。我们的结果与在超级计算机上获得的结果相符,并且模拟在单个高端 GPU 上的运行速度比以前在 1000 多个超级计算机节点上的运行速度快 35%。
复杂的化学混合物(或配方)用于广泛的应用,例如石油和天然气中的汽油混合物,消费品中的每日护理产品以及药物提供药物。鉴于大量的潜在配方,不断发展的监管要求以及对环保和可持续产品的消费者需求的增加,我们需要创新和具有成本效益的解决方案来设计增强的配方。原子规模建模和机器学习(ML)的最新进步使计算机辅助筛选了大量配方候选者 - 因此,加速了有希望的配方的识别并减少了昂贵的实验。
资助这项工作是由Helmholtz Association的倡议和网络基金(Helmholtz Young研究者集团Marine Carbon和地球系统中的生态系统反馈; Maresys; Grant No。vh-ng-1301),由ERC-2022-STG Oceanpeak(授予101077209)和欧盟的Horizon Horizon欧洲研究与创新计划,根据GRANT 101083922(欧洲联盟的碳理解提高了碳理解),欧盟的地平线2020年的研究与创新计划,根据Grant Intress of 820989(BRENIOV)(BM)(BM)(BM)(由Federnannany of 820989)(由Federnanny of Felunderf of Foredanny of Fornef), retake框架是德国海洋研究联盟(DAM)研究任务的六个研究联盟之一,“海洋碳脱碳途径下沉”(CDRMARE)。
相关的工作最近的生成模型进展引入了晶格场理论模拟的新可能性[12]。基于流动的模型是一种突出的显式可能性估计方法,由于其可逆性和显式使用量规能量的使用[12-17],因此引起了人们对晶格模拟进行全局采样的关注。此外,最近还开发了一些归一化流的变体,例如连续归一化流[18-21]和随机归一化流[22,23]。扩散模型最近在各种领域中生成高质量的样本[24,25],包括高能物理学[26-29]。参考文献中启动了晶格场理论的应用。[30,31],其中突出显示了与随机量化的连接[9-11];稍后提出了Feynman Path的积分公式[32]。
指导和指导者:Ann Almgren、Don Willcox、Weiqun Zhang、Aaron Lattanzi 计算科学与工程中心 (CCSE)、AMCR 部门、伯克利实验室
摘要:视频会议使课堂上的同步交流成为可能,并创造了多感官内容来激发学习者的兴趣。人工智能涉及复杂的方程式,最好使用建设性的教学法来教授,让学生尝试用不同的方法解决同一个问题。多项选择题具有很高的可靠性,可以快速轻松揭示学生的技能水平。澳大利亚计算机协会的认证活动确保每个科目的内容都可以作为灵活的教学模板。该国的地理范围要求存在多个附属于主校区的下属校区。按照分支概念,还需要展示一年级和二年级科目之间学习和评估的连续性。学生对人工智能模拟课程的反馈表明,一些学生发现很难理解讲座和作业。因此,为了衡量学生的学习情况,我们在每堂课的休息时间引入了 Kahoot 测验,学生可以通过来自不同校园的手机加入。软件项目管理对于患有视力或注意力相关障碍的学生来说具有挑战性。我们教他们如何使用图表直观地观察变量并在进行深入分析之前缩小可能的关系。教育的主要目的之一是就业能力。因此,在讲座中引入了更多现实世界行业示例的背景。
量子相互作用粒子的多体系统,其中分时对称性被打破会产生各种丰富的集体行为,因此是现代物理学研究的主要目标。量子模拟器可以可能用于探索和理解此类系统,这些系统通常超出了经典模拟的计算范围。,具有通用量子控制的平台可以在实验上访问广泛的物理特性。然而,同时实现了强大的可编程相互作用,强烈的时间反转对称性破坏以及以可扩展方式进行高保真量子控制是具有挑战性的。在这里,我们意识到通用捕获离子量子处理器中相互作用的,时间反向破裂的量子系统的量子模拟。使用最近提出的可扩展方案,我们实现了时间反向破坏的合成规场,在捕获离子链中首次显示的是第一次显示的,以及独特的耦合几何形状,可能可以扩展到多维系统的模拟。我们在控制和测量方面的高保真单位分辨率以及高度可编程的相互作用,使我们能够对基态的完整状态断层扫描,以显示持续电流的基态,并观察到与非琐事相互作用的时间逆转系统的动态。我们的结果为模拟具有广泛特征和耦合几何形状的时间逆转的多体系统开辟了道路。