Нейросети, которые учатся запоминать: Новый подход к параллельным вычислениям

В статье представлена архитектура P-NTM, упрощенная версия нейронных машин Тьюринга, позволяющая существенно повысить эффективность параллельных вычислений без потери качества при решении алгоритмических задач.



![Функции Вигнера, представляющие промежуточные состояния в ресурсно-теоретической модели лазера, демонстрируют эволюцию от вакуумного состояния к тепловому состоянию со средним числом фотонов [latex]\langle N \rangle_{\mathrm{th}} = 10[/latex], затем к смещенному тепловому состоянию с амплитудой смещения [latex]|\alpha_0| = \sqrt{60}[/latex] и, наконец, к дефазированному смещенному тепловому состоянию, что позволяет исследовать влияние различных квантовых состояний на лазерные процессы.](https://arxiv.org/html/2602.19749v1/x1.png)