Рациональные функции в действии: от численного моделирования к новым алгоритмам
В статье представлен обзор возможностей алгоритма QR-AAA для эффективного и точного решения широкого спектра вычислительных задач.
В статье представлен обзор возможностей алгоритма QR-AAA для эффективного и точного решения широкого спектра вычислительных задач.

Исследование предлагает инновационную систему обучения с подкреплением, вдохновленную квантовыми вычислениями, для оптимизации работы цепей поставок в эпоху Интернета вещей.
Квантовый скачок на GPU: ускоряем вычисления Знаете, в квантовой механике всё так неопределённо. Но вот что определенно раздражает – когда классический компьютер тормозит квантовый. Как будто пытаешься разогнать «Запорожец» до скорости света. Вроде бы и квантовый процессор работает, а все преимущества теряются в ожидании, пока классика обработает результаты. Что это за проблема и как её … Читать далее

Новый подход к классификации изображений Земли объединяет возможности квантовых и классических нейронных сетей, повышая точность и эффективность анализа.
![Исследование демонстрирует применение проверок чётности различных весов - от двух ([latex]ZZ[/latex] и [latex]XX[/latex]) до четырёх ([latex]XX[/latex]) - для всех комбинаций кубитов данных, что позволяет оценить надежность схемы коррекции ошибок и выявить потенциальные уязвимости.](https://arxiv.org/html/2601.23267v1/x15.png)
Исследователи продемонстрировали пятикубитный процессор на основе спиновых кубитов в кремнии, использующий технологию спинового шаттлинга для реализации проверок четности и запутанности.
Новое исследование демонстрирует, как квантовые схемы, в частности схемы кирпичной кладки, позволяют изучать эволюцию сложных квантовых систем вдали от равновесия.
Новое исследование показывает, как современные алгоритмы постквантовой криптографии могут защитить корпоративные беспроводные сети от будущих угроз.
![Сеть SR2-Net, предназначенная для повышения разрешения гиперспектральных изображений, осуществляет уточнение предварительно восстановленного изображения [latex]\tilde{\textit{I}}\_{SR}[/latex] посредством иерархической группировки спектров и перемешивания соседних спектров (H-S3A), моделирования взаимодополняющих зависимостей вдоль спектральных, высотных и ширины представлений (TSA), а также проекции признаков на компактное спектральное многообразие с последующей итеративной агрегацией коррекций для получения физически достоверных спектров [latex]\hat{\textit{I}}\_{SR}[/latex].](https://arxiv.org/html/2601.21338v1/x2.png)
В статье представлена SR²-Net — модель, позволяющая значительно улучшить качество и спектральную достоверность гиперспектральных изображений с высоким разрешением.
![На графе демонстрируется структура клеточного пучка [latex]\mathcal{F}:(G,\unlhd)\to\text{Vect}\_{\mathbb{R}}[/latex], где пространства ростков [latex]\mathcal{F}\_{v}[/latex], [latex]\mathcal{F}\_{w}[/latex] и [latex]\mathcal{F}\_{e}[/latex], присвоенные узлам и ребрам, могут иметь различную размерность, а карты ограничений [latex]\mathcal{F}\_{v\unlhd e}[/latex] и [latex]\mathcal{F}\_{w\unlhd e}[/latex] определяют взаимосвязь между ними.](https://arxiv.org/html/2601.21207v1/x1.png)
Исследование предлагает оригинальную математическую основу для анализа и моделирования графовых нейронных сетей, используя инструменты теории пучков и топологического анализа данных.

Новый подход к построению межatomных потенциалов на основе машинного обучения позволяет значительно сократить вычислительные затраты и объем памяти без потери точности моделирования.