Квантовый свет: Когда лазер перестает быть экспериментом

Квантовый свет: Когда лазер перестает быть экспериментом Парадоксально, но часто самые сложные вещи оказываются самыми простыми в теории. А вот реализовать эту простоту… это уже искусство. Представьте себе оркестр. Каждый музыкант – это отдельный оптический компонент. А теперь представьте, что все они собраны в один, идеально настроенный модуль. Это и есть то, чем занимается Monarch … Читать далее

Квантовое машинное обучение: новый взгляд на динамику открытых квантовых систем

Наблюдения за предсказанной диссипативной динамикой демонстрируют, что как конволюционные рекуррентные нейронные сети (CVNN), так и рекуррентные нейронные сети (RVNN) эффективно сохраняют траектории в моделях SB (при [latex]\epsilon/\Delta = 0.0[/latex], [latex]\gamma/\Delta = 9.0[/latex], [latex]\lambda/\Delta = 6.0[/latex], [latex]\beta\Delta = 1.0[/latex]) и комплексах FMO (4 сайта при [latex]\gamma = 250~\mathrm{cm}^{-1}[/latex], [latex]\lambda = 70~\mathrm{cm}^{-1}[/latex], [latex]T = 130~\mathrm{K}[/latex]; 7 сайтов при [latex]\gamma = 350~\mathrm{cm}^{-1}[/latex], [latex]\lambda = 70~\mathrm{cm}^{-1}[/latex], [latex]T = 30~\mathrm{K}[/latex]; и 8 сайтов при [latex]\gamma = 400~\mathrm{cm}^{-1}[/latex], [latex]\lambda = 250~\mathrm{cm}^{-1}[/latex], [latex]T = 30~\mathrm{K}[/latex]) даже при анализе траекторий, не использованных в процессе обучения.

Исследование демонстрирует, что использование комплексных нейронных сетей значительно повышает точность прогнозирования эволюции квантовых систем, подверженных диссипации.

Квантовый Монте-Карло: Моделирование рождения электрон-позитронных пар

В ходе эксперимента продемонстрировано создание электронно-позитронных пар посредством линейного процесса Брайта-Уиллера, возникающих при столкновении двух пучков частиц.

Новый алгоритм, основанный на квантовых вычислениях, позволяет эффективно моделировать процесс рождения пар в сильных полях, открывая перспективы для изучения квантовой электродинамики.

Квантовые алгоритмы против классических: кто точнее предсказывает финансовые рынки?

Для сравнительного анализа производительности квантовых и классических моделей машинного обучения - QNN против ANN, QLSTM против LSTM и QSVR против SVR - был сформирован портфель активов, охватывающий рынки США и Турции, ежедневно отслеживались цены с использованием API Yahoo Finance, применялась специфическая для каждой задачи разработка признаков, после чего признаки масштабировались и разделялись по схеме перекрестной проверки, что позволило оценить эффективность моделей с использованием соответствующих метрик.

Новое исследование сравнивает возможности квантовых и классических алгоритмов машинного обучения в задачах финансового прогнозирования, выявляя области, где квантовые модели могут демонстрировать превосходство.

Сжатый код: как оптимизация влияет на «мышление» языковых моделей

Анализ токенов программирования в токенизаторах крупных языковых моделей (DeepSeek-R1/V3, Qwen2.5 и Llama 3.1) демонстрирует, что словарный запас, насчитывающий от 128 000 до 151 000 токенов, охватывает 276 уникальных ключевых слов из 12 языков программирования, при этом категоризация токенов по частоте позволяет оценить степень поддержки этих языков.

Новое исследование показывает, что методы сжатия, применяемые к большим языковым моделям для генерации кода, неожиданным образом меняют распределение вероятностей токенов и влияют на качество итогового кода.

Графы на страже ИИ: новый подход к безопасности генеративных моделей

В статье представлен метод, использующий преобразование графов для обеспечения корректности и надёжности структур, генерируемых искусственным интеллектом.

Экономичные нейросети: как снизить энергопотребление больших языковых моделей

Количество выходных токенов, время отклика и энергопотребление демонстрируют взаимосвязь, указывающую на то, что увеличение объема генерируемого текста неизбежно приводит к увеличению времени обработки и, как следствие, к более высокому энергопотреблению.

Новое исследование анализирует существующие методы оптимизации, позволяющие уменьшить затраты энергии при использовании больших языковых моделей в промышленных приложениях.