Денис Аветисян

Квантовые симуляторы: точное вычисление энергии основного состояния

от

Используя нейтральные атомы в оптических пинцетных решетках для модели Трансверсального Изоингового Моделирования (TFIM) и фермионные атомы в оптических решетках для модели Ферми-Хаббарда (FH), исследователи продемонстрировали, что применение модифицированного протокола GENTLE к системам, подверженным слабому стаггерному полю, значительно уменьшает ошибки в стаггерной намагниченности (TFIM) и средней плотности (FH) даже после продолжительных периодов эволюции, подчеркивая возможность точного управления состоянием системы и смягчения последствий неидеальной подготовки.

Новый метод позволяет с высокой точностью определять свойства основного состояния квантовых систем, используя глобальное управление и анализ эха Лошмидта.

Речь в Переводе: Как Оценить Качество Автоматического Перевода Речи

от

Для всех рассмотренных языковых пар и систем автоматического перевода, стандартная корреляция MetricX демонстрирует превосходство над версиями, использующими в качестве источника данные автоматического распознавания речи или машинного перевода, при этом исключаются случаи, когда системы автоматического перевода участвовали в создании данных распознавания речи, а наблюдаемая закономерность коррелирует с качеством как транскрипции, так и (обратного) перевода.

Исследование демонстрирует, что синтетические источники, такие как результаты автоматического распознавания речи, могут надежно заменять ручные расшифровки при оценке систем перевода речи, особенно при высоком качестве распознавания (WER < 20%).

Квантовый импульс для сложных последовательностей

от

Распределения логарифмической разницы между временем завершения оценки (TTSQE-MTS) и временем завершения модели (TTSMTS), полученные посредством двухэтапной бутстрап-методики с 5000 итерациями, демонстрируют, что QE-MTS зачастую превосходит стандартную модель по скорости, о чём свидетельствуют преобладающие отрицательные значения.

Новый гибридный алгоритм объединяет возможности квантовых вычислений и классического поиска для решения задач, связанных с низкоавтокорреляционными бинарными последовательностями.

Обучение агентов: новый подход к масштабированию

от

Исследователи предлагают фреймворк, использующий рассуждения для генерации масштабируемых данных, снижая потребность в дорогостоящем взаимодействии с реальным миром.