Денис Аветисян

Динамические связи: как выявить причинно-следственные отношения в меняющихся данных

от

Новая методика позволяет обнаруживать сложные зависимости в нелинейных системах, учитывая влияние скрытых факторов и временных изменений.

Наука больших команд и широких горизонтов

от

Новое исследование показывает, как растущие научные коллективы и разнообразие источников знаний влияют на цитируемость и прорывной потенциал исследований за последние 40 лет.

Обуздать шум: Эффективная коррекция ошибок для квантовых вычислений

от

В предложенной архитектуре tUPS, предназначенной для 88 кубитов, каждый элемент ($tit\_{i}$) состоит из гейтов, реализующих одиночные и двойные электронные возбуждения, при этом каждый элемент характеризуется тремя вариационными параметрами и инициализируется в заданное опорное состояние.

Новый подход к смягчению ошибок в квантовых схемах позволяет значительно снизить вычислительные затраты и повысить точность расчетов на современных квантовых устройствах.

Квантовая активность: моделирование диссипации в активных системах

от

Среднеквадратичное смещение квантифицированной частицы с использованием статического диссипатора Линдблада демонстрирует зависимость от силы диссипации, определяемой разностью частот $ \nu_{-} $ и $ \nu_{+} $, где слабое рассеяние соответствует $ \nu_{-} = 10^{-2} $, умеренное - $ \nu_{-} = 10^{0} $, а сильное - $ \nu_{-} = 10^{1} $, что указывает на влияние диссипации на динамику квантовых систем.

Новое исследование раскрывает, как квантовая диссипация влияет на возникновение активного поведения частиц, приближая квантовые системы к классическим активным средам.

Нейронные сети: обучение на событиях для максимальной эффективности

от

Основываясь на событийно-управляемых обновлениях весов, предложенная архитектура электронного обучения распространяет сигнал ошибки от выходного слоя к рекуррентному, используя архивную историю предыдущих шагов вычислений, что позволяет реализовать обучение в конвейере, глубина которого определяет количество незавершенных операций на момент обновления весов.

Новое исследование предлагает масштабируемый и биологически правдоподобный метод обучения рекуррентных импульсных нейронных сетей, основанный на распространении пригодности, управляемом событиями.