Notice: file_put_contents(): Write of 4807 bytes failed with errno=28 No space left on device in /var/www/group-telegram/post.php on line 50
Warning: file_put_contents(): Only 8192 of 12999 bytes written, possibly out of free disk space in /var/www/group-telegram/post.php on line 50 PsiKet Academy | Telegram Webview: psiket_academy/868 -
#کیو_نیوز 📌بهره‌وری انرژی در شبکه‌های عصبی نوری با محدودیت کوانتومی
🔔کارایی انرژی در محاسبات همواره به نویز محدود می‌شود، و محدودیت‌های کوانتومی سطح پایه‌ای نویز را تعیین می‌کنند. شبکه‌های عصبی فیزیکی آنالوگ در مقایسه با شبکه‌های عصبی دیجیتال الکترونیکی، پتانسیل بالایی برای بهبود بهره‌وری انرژی دارند. با این حال، این شبکه‌ها معمولاً در شرایطی با توان بالا عمل می‌کنند تا نسبت سیگنال به نویز (SNR) بزرگ‌تر از ۱۰ باشد، و نویز تنها به‌عنوان یک اختلال جزئی در نظر گرفته شود.
💡در این پژوهش، شبکه‌های عصبی نوری‌ای مورد بررسی قرار گرفته‌اند که در آن‌ها تمامی لایه‌ها به جز لایه آخر، در شرایطی عمل می‌کنند که هر نورون می‌تواند تنها با یک فوتون فعال شود. در نتیجه، نویز در فعال‌سازی نورون‌ها دیگر صرفاً یک اختلال جزئی نیست.
✅یافته‌های کلیدی 🔹مدل‌سازی مبتنی بر فیزیک: با استفاده از یک مدل احتمالاتی مبتنی بر فیزیک برای فعال‌سازی نورون‌ها در زمان آموزش، می‌توان یادگیری ماشین را با دقت بالا انجام داد، حتی در شرایطی که نویز شات بسیار زیاد است (SNR ~ 1). 🔸عملکرد آزمایشی: در این مطالعه، یک شبکه عصبی نوری با یک لایه پنهان که در رژیم تک‌فوتونی عمل می‌کند، برای طبقه‌بندی ارقام دست‌نویس MNIST استفاده شد. نتیجه، دستیابی به دقت 98 درصد در آزمایش بود. 🔹بهره‌وری انرژی: انرژی نوری مورد استفاده برای این طبقه‌بندی به 0.038 فوتون برای هر عملیات ضرب-جمع (MAC) کاهش یافت. 🎯چشم‌انداز این روش آموزش مبتنی بر نویز فیزیکی ممکن است در سخت‌افزارهای غیرنوری با توان بسیار پایین نیز مفید باشد. این پیشرفت می‌تواند راه را برای توسعه سیستم‌های یادگیری ماشین با بهره‌وری انرژی فوق‌العاده بالا هموار کند.
#کیو_نیوز 📌بهره‌وری انرژی در شبکه‌های عصبی نوری با محدودیت کوانتومی
🔔کارایی انرژی در محاسبات همواره به نویز محدود می‌شود، و محدودیت‌های کوانتومی سطح پایه‌ای نویز را تعیین می‌کنند. شبکه‌های عصبی فیزیکی آنالوگ در مقایسه با شبکه‌های عصبی دیجیتال الکترونیکی، پتانسیل بالایی برای بهبود بهره‌وری انرژی دارند. با این حال، این شبکه‌ها معمولاً در شرایطی با توان بالا عمل می‌کنند تا نسبت سیگنال به نویز (SNR) بزرگ‌تر از ۱۰ باشد، و نویز تنها به‌عنوان یک اختلال جزئی در نظر گرفته شود.
💡در این پژوهش، شبکه‌های عصبی نوری‌ای مورد بررسی قرار گرفته‌اند که در آن‌ها تمامی لایه‌ها به جز لایه آخر، در شرایطی عمل می‌کنند که هر نورون می‌تواند تنها با یک فوتون فعال شود. در نتیجه، نویز در فعال‌سازی نورون‌ها دیگر صرفاً یک اختلال جزئی نیست.
✅یافته‌های کلیدی 🔹مدل‌سازی مبتنی بر فیزیک: با استفاده از یک مدل احتمالاتی مبتنی بر فیزیک برای فعال‌سازی نورون‌ها در زمان آموزش، می‌توان یادگیری ماشین را با دقت بالا انجام داد، حتی در شرایطی که نویز شات بسیار زیاد است (SNR ~ 1). 🔸عملکرد آزمایشی: در این مطالعه، یک شبکه عصبی نوری با یک لایه پنهان که در رژیم تک‌فوتونی عمل می‌کند، برای طبقه‌بندی ارقام دست‌نویس MNIST استفاده شد. نتیجه، دستیابی به دقت 98 درصد در آزمایش بود. 🔹بهره‌وری انرژی: انرژی نوری مورد استفاده برای این طبقه‌بندی به 0.038 فوتون برای هر عملیات ضرب-جمع (MAC) کاهش یافت. 🎯چشم‌انداز این روش آموزش مبتنی بر نویز فیزیکی ممکن است در سخت‌افزارهای غیرنوری با توان بسیار پایین نیز مفید باشد. این پیشرفت می‌تواند راه را برای توسعه سیستم‌های یادگیری ماشین با بهره‌وری انرژی فوق‌العاده بالا هموار کند.
At this point, however, Durov had already been working on Telegram with his brother, and further planned a mobile-first social network with an explicit focus on anti-censorship. Later in April, he told TechCrunch that he had left Russia and had “no plans to go back,” saying that the nation was currently “incompatible with internet business at the moment.” He added later that he was looking for a country that matched his libertarian ideals to base his next startup. Investors took profits on Friday while they could ahead of the weekend, explained Tom Essaye, founder of Sevens Report Research. Saturday and Sunday could easily bring unfortunate news on the war front—and traders would rather be able to sell any recent winnings at Friday’s earlier prices than wait for a potentially lower price at Monday’s open. Despite Telegram's origins, its approach to users' security has privacy advocates worried. Following this, Sebi, in an order passed in January 2022, established that the administrators of a Telegram channel having a large subscriber base enticed the subscribers to act upon recommendations that were circulated by those administrators on the channel, leading to significant price and volume impact in various scrips. Telegram has become more interventionist over time, and has steadily increased its efforts to shut down these accounts. But this has also meant that the company has also engaged with lawmakers more generally, although it maintains that it doesn’t do so willingly. For instance, in September 2021, Telegram reportedly blocked a chat bot in support of (Putin critic) Alexei Navalny during Russia’s most recent parliamentary elections. Pavel Durov was quoted at the time saying that the company was obliged to follow a “legitimate” law of the land. He added that as Apple and Google both follow the law, to violate it would give both platforms a reason to boot the messenger from its stores.
from nl
