Денис Аветисян

Квантовая связь в резонаторе: моделирование для достижения оптимальной производительности

от

Система, состоящая из двух кубитов, взаимодействующих посредством резонатора, функционирует на частотах $\omega_1 = \omega_c + \Delta_1$ и $\omega_2 = \omega_c + \Delta_2$, где $\omega_c$ - частота резонатора, а $\Delta_1$ и $\Delta_2$ - расстройки кубитов относительно него, при этом интенсивность взаимодействия определяется величинами $g_1$ и $g_2$, а затухание резонатора описывается коэффициентом $\kappa$.

Новое исследование предлагает подход к моделированию и оптимизации передачи квантового состояния между кубитами, опосредованной фотонами в резонаторе, что позволяет выйти за рамки традиционных методов анализа.

Мысли за пределами слов: как большие языковые модели решают задачи

от

Новое исследование показывает, что так называемые ‘токены рассуждений’ в больших языковых моделях — это не объяснение мыслительного процесса, а внешний, динамически изменяющийся этап вычислений.

Память искусственного интеллекта: от агентов к самообучению

от

В статье представлен всесторонний обзор различных подходов к организации памяти в современных системах искусственного интеллекта, управляющих автономными агентами.

Искусственный интеллект на службе материаловедения: платформа AGAPI

от

Новая открытая платформа AGAPI автоматизирует процессы разработки материалов, объединяя возможности больших языковых моделей с передовыми научными инструментами.

Генерируя репозитории из слов: новый вызов для ИИ-разработчиков

от

Несмотря на то, что агенты на базе Claude-Sonnet-4.5 (OpenHands, Claude Code) демонстрируют наивысшую производительность в бенчмарке NL2Repo, максимальный процент успешных прохождений тестов остается немного выше 40%, что подчеркивает значительные трудности при создании репозиториев

Исследователи представили NL2Repo-Bench — инструмент для оценки способности искусственного интеллекта создавать полноценные Python-проекты по текстовым описаниям, выявив серьезные ограничения в способности к долгосрочному планированию.

Материалы будущего: Искусственный интеллект на квантовой основе

от

В рамках исследования предложена схема $QA-GenAI$ для ускорения открытия материалов, объединяющая генератор, дополненный квантовыми дескрипторами вроде плотности состояний и электронной локальной функции, с валидатором на основе многоточечной энергетической нейронной сети, функционирующей в цикле активного обучения, где перспективные кандидаты подвергаются высокоточной проверке методом $CCSD(T)$, а полученные данные используются для расширения обучающей выборки.

Новый подход к поиску материалов объединяет возможности генеративного ИИ и квантовой химии, позволяя преодолеть ограничения традиционных методов моделирования.

Тензорные сети против квантовых алгоритмов: новая граница вычислительных возможностей

от

Алгоритм, представленный на рисунке, использует тензорные сети для оценки энергии основного состояния, аппроксимируя векторы Чебышева $\ket{t\_k}$ и моменты $\mu\_k$ с помощью приближений $\ket{\widetilde{t}\_{k}}$ и $\widetilde{\mu}\_{k}$, при этом полагаясь на полиномы степени $d$ и допуская, что $N_{max} < d$.

Исследование предлагает инновационный подход к оценке энергии основного состояния, используя тензорные сети для деквантизации алгоритмов и определения границы между классическими и квантовыми вычислениями.