XiaoMi-AI文件搜索系统
World File Search System扩展的
可扩展的电池备份子系统，可调节输出
这些资源可能会更改，恕不另行通知。ti授予您仅使用这些资源来开发使用资源中描述的TI产品的应用程序。禁止其他繁殖和展示这些资源。均未授予任何其他TI知识产权或任何第三方知识产权的许可证。ti不承担责任，您将完全赔偿ti及其代表，以反对因使用这些资源而产生的任何索赔，损害，成本，损失和责任。
可扩展的无 MatMul 语言建模 - Yu Zhang
矩阵乘法 (MatMul) 通常占据大型语言模型 (LLM) 总体计算成本的主导地位。随着 LLM 扩展到更大的嵌入维度和上下文长度，这一成本只会增长。在本研究中，我们证明了 MatMul 操作可以完全从 LLM 中消除，同时在十亿参数规模下保持强劲性能。我们的实验表明，我们提出的无 MatMul 模型的性能与最先进的 Transformer 相当，后者在推理过程中需要更大的内存，并且参数规模至少高达 27 亿。我们研究了缩放规律，发现我们的无 MatMul 模型与全精度 Transformer 之间的性能差距随着模型规模的增加而缩小。我们还提供了该模型的 GPU 高效实现，与未优化的基准相比，在训练期间可将内存使用量降低高达 61%。通过在推理过程中使用优化的内核，与未优化的模型相比，我们的模型的内存消耗可减少 10 倍以上。为了准确量化我们架构的效率，我们在 FPGA 上构建了一个定制的硬件解决方案，该解决方案充分利用了 GPU 无法处理的轻量级运算。我们以 13W 的功耗处理了数十亿参数规模的模型，其吞吐量远超人类可读的吞吐量，使 LLM 的效率更接近人脑的水平。这项工作不仅展示了 LLM 在保持高效性能的同时可以精简到何种程度，还指出了未来加速器在处理下一代轻量级 LLM 时应针对哪些类型的运算进行优化。我们的代码实现可在 https://github.com/ridgerchu/matmulfreellm 获取。
旅客捷运技术作为进一步扩展的一种选择......
LAMP 陆侧通道现代化计划 LAWA 洛杉矶世界机场 LAX 洛杉矶国际机场 LPA 当地首选替代方案 LRTP 远程交通计划 MDT 迈阿密戴德交通 MIA 迈阿密国际机场 MPO 大都会规划组织 MSF 维护和储存设施 NEPA 国家环境政策法案 O&M 运营和维护或操作和维护 P3 公私合作伙伴关系 PD&E 项目开发和环境 PDS 配电系统 PTP 人民交通计划 RAISE 以可持续性和公平性重建美国基础设施 RUE 道路公用事业和支持性改进 SCADA 监控和数据采集 SMART 战略迈阿密区域快速交通 STIP 全州交通改进计划 STOPS 简化项目行程软件 TDP 交通发展计划 TIFIA 交通基础设施融资和创新法案 TIP 交通改进计划 TOD 以公共交通为导向的发展 TPO 交通规划组织
可扩展的蛋白质组学与药物发现兼容...
用分子胶化合物靶向蛋白质降解（TPD）是一种突破性的治疗方式，可消除以前认为不可用的疾病蛋白质。尽管具有巨大的潜力，但迄今为止，新型分子胶的系统发现及其细胞降解靶标仍然具有挑战性。在这里，我们提出了一个深度的蛋白质组学筛选和验证平台，以在各个阶段推进TPD药物发现计划，并创建新型高价值目标的广泛管道。深蛋白质组学筛选是基于数据独立的采集（DIA）技术，用于在空前的吞吐量，覆盖范围和敏感性下针对细胞蛋白质组的（潜在）分子胶的筛选化合物库。它从用分子胶水处理的细胞系中识别并量化了每样品的11,000多个蛋白质，从而实现了综合蛋白质组学的药物和药物靶标的发现。
扩展的现实，用于增强的人类机器人协作
自动化的兴起为实现制造过程的效率提供了更高的效率，但它经常损害迅速响应不断发展的市场需求并满足自定义需求所需的灵活性。人机合作试图通过将机器的力量和精度与人类创造力和感知理解相结合，以应对这些挑战。在本文中，我们概念化并提出了一个基于机器学习的机械手机的实施框架，该框架结合了人类的原则和杠杆范围，以促进现实（XR），以促进Humans和机器人之间的直观沟通和编程。此外，概念框架可以直接参与机器人学习过程中的人类参与，从而导致更高的适应性和任务概括。本文强调了可以实现拟议框架的关键技术，并强调了开发整个数字生态系统的重要性。此外，我们回顾了XR在人类机器人协作中的现有实施方法，展示了各种观点和方法。讨论了挑战和未来的前景，并深入研究了XR的主要障碍和潜在的研究途径，以实现更自然的人类机器人互动和工业景观中的整合。
Pylon——为新兴太空经济提供可扩展的动力……
• 首个工程慢化剂 • 减慢中子速度以提高裂变率 • 在惰性基质中使用包覆的 ZrH • 实现紧凑尺寸和 LEU 实施 • ARPA-E 资助 – 300 万美元
利用捕获离子实现可扩展的量子计算
计算机是一种以多种不同方式彻底改变我们日常生活的设备。尽管处理能力已大大提高，但以基于 0 和 1 的二进制格式存储信息的基本原理是一样的。与这种传统的信息处理方式相比，描述计算机的更通用的方式可能更强大。量子计算机就是这样一种非经典选择，其中信息以量子二进制数字（量子位）存储。事实上，已经发现算法在量子计算机上的运行速度比任何已知的经典设备算法都要快得多。例如，使用 Shor 算法，可以在量子计算机上几分钟内分解一个大素数，而在最好的经典计算机上则需要数千年。实现这种复杂的算法需要具有数千到数百万个量子位的量子计算机。尽管量子计算机已被证明在原则上可行，但当今的设备仅限于执行数十个量子位的量子操作。在实现足够大且有用的量子计算机的道路上，有几个困难需要克服。在这项工作中，我们使用基于捕获原子离子的量子信息处理器研究了两个重要的未解决的问题。第一个未解决的里程碑是作用于许多量子比特的量子操作的表征。早期的技术需要的资源随量子比特数呈指数级增长，因此不适合在大型量子计算机上实际实现。我们提出了一种技术，使我们能够在很短的时间内严格表征量子过程。我们证明了我们的方法（称为循环基准测试）不依赖于量子比特数，因此是未来开发大型量子计算机的重要工具。第二个未解决的里程碑是减轻和纠正错误。在现实世界的设备中，可能影响计算的噪声是不可避免的。幸运的是，已经开发出使量子计算机能够抵抗任何类型的噪声的技术。检测和纠正错误的一种方法是将信息分布在多个量子比特上。在这里，我们提出了一种技术，使我们能够分割和拼接排列在二维晶格上的量子比特块。这种称为“Lattice Surgery”的方法使我们能够处理纠错的量子位，同时需要比以前更少的计算步骤。
金融服务的安全，可扩展的云迁移解决方案
不仅仅是转向云的转变，Beacon的开放和协作平台与现有系统和数据集成在一起，减少操作复杂性并帮助客户加速时间的价值。可扩展的基础使客户能够提出更多问题，获得更快的结果，并更深入地了解现有职位和投资机会。分布式计算可实现更快的模拟和更大的情况集。“永不删除”双期数据模型确保可重复性并满足审计和监管请求。
可扩展的多代理离线增强学习和信息的作用
离线增强学习（RL）专注于仅从一批先前收集的数据中学习政策。有可能有效利用此类数据集的潜力，而无需进行昂贵或冒险的主动探索。虽然最近的离线多代理RL（MARL）的最新进展表现出了承诺，但大多数现有方法依赖于所有代理商共同收集的大型数据集，或者是独立收集的特定于特定于代理的数据集。前者的方法确保了强大的性能，但提出了可扩展性的问题，而后者则强调可伸缩性以牺牲性能保证为代价。在这项工作中，我们为数据集收集和离线学习提出了一个新颖的可扩展程序。代理首先通过预先指定的信息共享网络一致地收集了不同的数据集，随后学习了连贯的局限性策略，而无需完全可观察到或倒退以完全分散。从理论上讲，这种结构化方法允许精确拟合的Q-材料（FQI）算法[7]的多代理扩展，以高可能性地汇聚到全球范围内，以降至ϵ-Optimal策略。收敛性受到依赖共享信息信息性的错误术语。此外，我们还展示了这种方法如何将FQI监督学习阶段的固有错误与共享信息和未共享信息之间的共同信息绑定。我们的算法，可扩展的多代理FQI（SCAM-FQI），然后在分布式决策问题上评估。经验结果与我们的理论发现一致，这支持了Scam-FQI在达到可伸缩性和政策绩效之间取得平衡的有效性。