王小玮,袁华,etf-步步高代理消息,手机走进世界,全球移动行业分析

频道:我们的头条 日期: 浏览:197

在Mobileye创始人Amnon Shashua的指导下,耶路撒冷希伯来大学工程和核算机科学学院一个研讨小组现已证明,人工智能(AI)能够协助咱们在一个被称为量子物理现象的量子尺度上了解国际。量子物理现象是今世物理学研讨的热门之一。

(此处已增加圈子卡片,请到今天头条客户端检查)

它着眼于自然界中的粒子怎么“集合”在一起,并带来它们共同的特性,如导电性或磁性。但是,即使是最有经历的研讨人员也几乎不或许对这些杂乱的现象有更多了解。这是由于这些现象包含了很多的粒子以及它们之间很多的相互作用。

博科园-科学科普:直到现在,Shashua教授在希伯来大学的核算机科学博士生yoav Levin,Sharir和Nadav cohen宣布在《物理谈论快报》上的一项新研讨从数学上证明,根据深度神经网络的算法也能够更好地了解量子物理国际。这些算法,正是核算机具有面部和语音辨认才能的算法,现在能够用来增强咱们对自然界量子行为的了解。正如首要作者Shashua所共享的,咱们在这里所拥有的是不普通的。这是一种新的、重要的东西,能够协助咱们了解咱们周围国际的量子特性。

图片:CC0 Public Domain

就像20世纪的技术革命相同,经过人工智能加深对量子物理的了解,有或许彻底改变咱们日子的方方面面,从核算、动力到交通。现代深度学习在各个领域取得了史无前例的成果。尽管如此,机器学习用于波函数表明的运用首要会集在更传统体系结构上,如受限玻尔兹曼机(RBMs)和彻底衔接的神经网络。在这封信中,咱们树立了今世的深度学习架构,以深度卷积和递归网络的方式,能够有用地表明高度羁绊的量子体系。

经过结构与这些体系结构等价的张量网络,将信息在网络运转中的内涵重用作为差异于规范张量网络表明的一个要害特征,然后增强了它们的羁绊才能。研讨结果表明,这种结构能够支撑体积律羁绊缩放,多项式地比现在运用的RBMs更有用。因而,除了量化抢先深度学习架构的羁绊才能之外,剖析还正式推动了一种趋势的改变,即根据神经网络的波函数表明更接近于机器学习的最先进水平。

博科园-科学科普|研讨/来自: 耶路撒冷希伯来大学

参阅期刊文献:《物理谈论快报》

DOI: 10.1103/PhysRevLett.122.065301

博科园-传递世界科学之美

(此处已增加圈子卡片,请到今天头条客户端检查)
热门
最新
推荐
标签