Поляризация в мире материалов: как машинное обучение раскрывает секреты ферроэлектриков

Новые методы молекулярной динамики, усиленные возможностями машинного обучения, позволяют глубже понять динамику поляризации в ферроэлектрических материалах и открывают перспективы для создания материалов с заданными свойствами.

Нейросети нового поколения: энергоэффективная архитектура для обработки временных кодов

Предлагаемая аппаратная архитектура нейронной сети спайков (SNN) объединяет контроллер RISC-V и специализированное вычислительное ядро SNN, демонстрируя интегрированный подход к реализации энергоэффективных нейроморфных вычислений.

В статье представлена инновационная система на кристалле (SoC) на базе FPGA с RISC-V контроллером, обеспечивающая высокую энергоэффективность при реализации нейронных сетей, кодирующих информацию во времени.

Алмаз в экстремальных условиях: предсказание свойств нанокарбонов с помощью машинного обучения

Новое исследование объединяет атомные модели и методы машинного обучения для прогнозирования и контроля превращения наноалмазов в другие формы углерода при высоких давлениях и температурах.

Топологическая точность сегментации: новый подход к качеству изображений

Улучшенный алгоритм SCNP демонстрирует повышение точности топологической структуры, при этом разрывы в структуре чётко обозначены направленными указателями.

Исследователи предлагают эффективный метод повышения точности сегментации изображений за счет оптимизации взаимодействия между соседними пикселями.

Моделирование кровотока мозга: новый взгляд на скорость и точность

На основе анализа поля величины скорости в области бифуркации цереброваскулярной геометрии выделены первые шесть POD-мод, упорядоченных по убыванию вклада в энергию, при этом доминирующую структуру потока определяет первая мода.

В статье сравниваются два подхода к снижению вычислительной сложности моделирования гемодинамики мозговых сосудов, позволяющие ускорить симуляции без потери точности.

Предел скорости: Новая методика оценки производительности GPU

Исследование 235 задач из SOL-ExecBench выявило их многообразие по категориям (прямые и обратные задачи), преобладанию определенных типов операций, принадлежности к различным моделям предметной области и используемой вычислительной точности, что позволяет комплексно оценить сложность и характеристики решаемых задач.

Исследователи представили SOL-ExecBench — комплексный бенчмарк, позволяющий оценить эффективность GPU-ядер, сопоставляя их реальную скорость с теоретическим пределом, определяемым скоростью света.

Квантовая физика: От хаоса к пониманию

Квантовая физика: От хаоса к пониманию Представьте себе, что вы пытаетесь одновременно увидеть и волну, и частицу. Абсурдно, не так ли? Но именно это и делает квантовый мир! Мы привыкли к определенности, а там – лишь вероятности и суперпозиции. Это как если бы кошка Шрёдингера всегда была и жива, и мертва, пока мы не посмотрим. … Читать далее

Квантование без данных: Новый подход к сжатию нейросетей

Архитектура SynQ опирается на фильтрацию низких частот, выравнивание карт активации классов и использование мягких меток для сложных примеров, что позволяет достичь повышенной точности и устойчивости модели.

Исследователи предложили метод SynQ, позволяющий существенно уменьшить размер моделей машинного обучения без потери точности, используя синтетические данные и тонкую настройку.