XiaoMi-AI文件搜索系统
World File Search System计算能力
« 数值模拟的先进技术 – 端到端虚拟原型和高性能计算 »
“未来的纳米级碰撞模型？一切都还未确定！但有一件事是肯定的：为分析师提供所有可用的计算能力，那么他或她将在极短的时间内用完它。” Eberhard Haug
从游戏到前沿生物学：人工智能与蛋白质折叠问题
理论上，氨基酸链可以折叠成大量的三级结构：对于含有 100 个氨基酸的蛋白质，估计有 10 300 个（即 10 后面跟着 299 个零！）可能的结构。自然界中，蛋白质通常折叠成最稳定的结构。这种最小能量结构可以计算出来，但是，比较所有可能的结构需要大量的计算能力。解决“折叠问题”的努力包括分布式计算项目 Folding@home [6]，它通过借用志愿者的计算能力，已成为世界上最快的计算系统之一。您可以通过将计算机、智能手机或 PlayStation3 上未使用的 CPU 贡献给蛋白质折叠来参与并帮助科学家！
医疗保健领域的人工智能和机器学习示例
我们还提供了关于不同类型的人工智能和机器学习的入门指南，以及如何将它们与健康数据结合使用以解决医疗保健系统面临的挑战。目前，围绕人工智能的大部分讨论都倾向于关注机器学习方法。这是因为可用的数据量巨大，而计算能力同样强大，因此机器学习算法可以识别超出人类计算能力的数据趋势。然而，还有许多其他技术构成了人工智能和机器学习方法系列，因此了解可用的全部范围非常重要。虽然本报告中提供的入门指南绝不是所有人工智能和机器学习方法的完整汇编，但我们希望它能为读者提供当前和潜在机会的广度以及进一步阅读的指引。
忆阻器——从内存计算、深度学习加速和脉冲神经网络到神经形态和生物启发计算的未来
基于深度学习和 GPU 实现的解决方案已导致许多 AI 任务得到大规模改进，但也导致对计算能力的需求呈指数级增长。最近的分析表明，自 2012 年以来，对计算能力的需求增加了 30 万倍，估计每 3.4 个月这一需求就会翻一番 — — 这一速度远远快于历史上通过摩尔定律实现的改进（在同一时期内提高了七倍）。[1] 与此同时，摩尔定律在过去几年里显著放缓，[2] 因为有强烈迹象表明，我们将无法继续缩小互补金属氧化物半导体 (CMOS) 晶体管的尺寸。这要求探索替代技术路线图，以开发可扩展且高效的 AI 解决方案。
遥感图像处理和分析基准测试...
摘要 未来的太空任务将处理和分析机载图像，对飞行计算提出了更高的要求。即使与笔记本电脑和台式电脑相比，传统飞行硬件提供的计算能力也有限。新一代商用现货 (COTS) 处理器，如 Qualcomm Snapdragon，可在小尺寸重量和功率 (SWaP) 下提供大量计算能力，并以图形处理单元 (GPU) 和数字信号处理器 (DSP) 的形式提供直接硬件加速。我们在 Qualcomm Snapdragon SoC 上对各种仪器处理和分析软件（包括机器学习分类器）进行了基准测试，该 SoC 目前由国际空间站上的 HPE 星载计算机-2 (SBC-2) 托管。索引术语 — 边缘处理、空间应用、机器学习、人工智能
量子半加器的设计与实现及...
量子机器学习是量子计算和经典机器学习的结合。它有助于解决一个领域到另一个领域的问题。量子计算能力有利于以更快的速度处理大量数据。在这方面，量子计算能力有利于以更快的速度处理如此庞大的数据。经典机器学习是试图在数据中寻找模式并使用这些模式来预测未来事件。另一方面，量子系统产生的典型模式是经典系统无法产生的，从而假设量子计算机可能在机器学习任务上超越经典计算机。因此，这项工作的全部动机是使用量子力学理解和分析半加器和全加器电路设计。关键词：量子，IBMQ
创客空间中的人工智能 - ISAM 2022
人工智能，在现代意义上，是指利用计算机和计算能力执行以前只有人类才能完成的任务。直到最近，还没有足够的处理能力来完成这些活动。现在，计算能力的发展使人工智能 (AI) 蓬勃发展。人工智能对制造业产生了显著的影响，因为它使制造业能够理解传感器和其他监控设备产生的大量数据。这些数据被称为大数据，过于密集，无法仅靠人类直觉来处理。然而，通过使用机器学习 (ML)，可以发现人工智能的子集、趋势和模式，并利用它们为行业带来好处。任何制造环境都会使其中的人员面临一定程度的危险。在任何情况下，减轻这种危险都至关重要，尤其是在创客空间环境中。与典型的工业环境相比，创客空间本质上对具有不同技能和背景的更广泛用户开放。确保即使是最没有经验的用户也能安全地访问、训练和使用空间中的设备至关重要。创客空间的众多目标之一是降低原型/制造设备的准入门槛和使用门槛。本文介绍了创客空间可以利用广泛的人工智能工具、物联网传感器和计算能力来更好地实现其使命并服务其利益相关者的新方法。
在一个维
了解嘈杂的中等规模量子（NISQ）设备的计算能力对于量子信息科学既具有基本和实际重要性。在这里，我们解决了一个问题，即错误误差量子计算机是否可以比古典计算机提供计算优势。特别是，我们在一个维度（或1d Noisy RCS）中研究嘈杂的随机回路采样，作为一个简单的模型，用于探索噪声效应对噪声量子设备的计算能力的影响。特别是，我们通过矩阵产品运算符（MPO）模拟了1D噪声随机量子电路的实时动力学，并通过使用度量标准来表征1D噪声量子系统的计算能力，我们称为MPO Entangrelemt熵。选择后一个度量标准是因为它决定了经典MPO模拟的成本。我们从数值上证明，对于我们考虑的两个QUITAT的错误率，存在一个特征性的系统大小，添加更多量子位并不会带来一维噪声系统的经典MPO模拟成本的指数增长。特别是，我们表明，在特征系统的大小上面，有一个最佳的电路深度，与系统大小无关，其中MPO倾斜度熵是最大化的。最重要的是，最大可实现的MPO纠缠熵是有限的