Сжатый свет на чипе: новый шаг к квантовым технологиям
![Интегрированный выжиматель двойного резонанса демонстрирует снижение квантовых шумов на [latex] -0.81\text{\,}\mathrm{d}\mathrm{B} [/latex] и увеличение антивыжимания на [latex] +4.29\text{\,}\mathrm{d}\mathrm{B} [/latex] при изменении угла выжимания, что подтверждает возможность управления квантовыми флуктуациями посредством модуляции фазы в экспериментальной схеме, включающей ближний инфракрасный лазер, фазовый модулятор и гомодинный детектор.](https://arxiv.org/html/2602.22693v1/2602.22693v1/Fig/F4_Squeezing.jpg)
Исследователи продемонстрировали компактный и эффективный источник сжатого света на базе ниобата лития, открывающий перспективы для создания масштабируемых квантовых устройств.
![Интегрированный выжиматель двойного резонанса демонстрирует снижение квантовых шумов на [latex] -0.81\text{\,}\mathrm{d}\mathrm{B} [/latex] и увеличение антивыжимания на [latex] +4.29\text{\,}\mathrm{d}\mathrm{B} [/latex] при изменении угла выжимания, что подтверждает возможность управления квантовыми флуктуациями посредством модуляции фазы в экспериментальной схеме, включающей ближний инфракрасный лазер, фазовый модулятор и гомодинный детектор.](https://arxiv.org/html/2602.22693v1/2602.22693v1/Fig/F4_Squeezing.jpg)
Исследователи продемонстрировали компактный и эффективный источник сжатого света на базе ниобата лития, открывающий перспективы для создания масштабируемых квантовых устройств.
![Предложенная гибридная параллельная схема диффузионного вывода адаптивно переключает режимы параллелизма в точках [latex]\tau_{1}[/latex] и [latex]\tau_{2}[/latex], оптимизируя баланс между вычислительной эффективностью и согласованностью условного управления, что позволяет добиться значительного ускорения вывода при сохранении высокого качества генерируемых результатов.](https://arxiv.org/html/2602.21760v1/x3.png)
Исследователи предлагают гибридный метод распараллеливания, позволяющий значительно ускорить процесс генерации изображений с помощью диффузионных моделей, не теряя при этом в качестве.

Новое исследование систематически анализирует внутреннюю структуру моделей, обученных на данных одноклеточной геномики, чтобы понять, насколько хорошо они отражают реальные биологические закономерности.
Квантовый горизонт медицины: этика и реальность Знаете, в квантовой механике всегда есть неопределенность. И в медицине, кажется, тоже. Но теперь эта неопределенность обретает новые формы, связанные с мощью квантовых вычислений. Мы можем увидеть дальше, моделировать сложнее, но что, если эта мощь окажется в руках не тех, кто исцеляет? Что такое «квантовая медицина»? Представьте себе, что … Читать далее
![В рамках исследования разработан конвейер извлечения и описания звуков (AR&D), позволяющий выявлять и наименовывать интерпретируемые концепции в AudioLLM: на первом этапе автоэнкодер (SAE) обучается реконструировать представления [latex]\mathbf{x}[/latex] из AudioLLM, формируя латентное пространство разреженных, моносемантических признаков; далее, используя проверочный набор данных [latex]\mathcal{A}[/latex], вычисляются активации SAE [latex]\mathbf{Z}[/latex] и рассчитываются показатели репрезентативности [latex]F(\cdot)[/latex] для каждого признака, отбирая наиболее и наименее репрезентативные звуковые фрагменты ([latex]H^{k}[/latex] и [latex]L^{k}[/latex]) для последующей фильтрации топовых признаков на основе оценок моносемантичности, полученных из [latex]H^{k}[/latex] и [latex]L^{k}[/latex], с последующей интерпретацией посредством генерации и обобщения подписей к репрезентативным фрагментам [latex]H^{k}[/latex], что позволяет получить итоговый набор понятных человеку концепций.](https://arxiv.org/html/2602.22253v1/2602.22253v1/x1.png)
Новая методика позволяет глубже проникнуть в процессы обработки звука нейросетями и понять, как они приходят к своим решениям.

Представлена первая полная оценка поправки следующего-следующего порядка (NNLO) в КХД для рождения адронов в глубоком неупругом рассеянии, открывающая новые возможности для изучения внутреннего строения нуклона.

Исследователи представляют MediX-R1 — платформу, обученную на мультимодальных данных, способную к открытому обучению с подкреплением для решения сложных медицинских задач.
![В ходе экспериментов с набором данных 7scenes установлено, что алгоритм VGG-T3 демонстрирует сопоставимое с базовыми решениями, такими как VGG и [latex]O(n^2)[/latex], качество реконструкции (измеряемое расстоянием Чамфера), при этом обеспечивая значительное ускорение - до 11.6 раз для входных данных размером 1k - и сохраняя масштабируемость, аналогичную T3R, даже при увеличении количества изображений.](https://arxiv.org/html/2602.23361v1/2602.23361v1/x4.png)
Исследователи представили метод VGG-T3, позволяющий создавать детализированные 3D-модели из большого количества изображений с беспрецедентной скоростью.

Исследование предлагает структурированный подход к оценке согласованности между диагностическими выводами искусственного интеллекта и заключениями экспертов-медиков.

Новое исследование выявило, что глубокие нейронные сети, использующие архитектуру Transformer, сходятся к небольшому набору инвариантных алгоритмических ядер, лежащих в основе их способности к обобщению.