Как мозг вращает кубики: новая модель качественного рассуждения о вращениях

Исследователи разработали модель, позволяющую понять, как люди мысленно манипулируют объектами в пространстве, и применили ее для решения сложной задачи сравнения кубиков.

Восстановление по выборке: искусство приближения функций

В статье рассматриваются современные методы восстановления функций на основе дискретных выборок, стремящиеся к достижению точности, сравнимой с оптимальными аппроксимациями.

Ускорение квантохимических расчётов: новый подход к плотностной аппроксимации

Применение адаптивной точности к вычислениям дискретного преобразования Фурье (ДПФ) демонстрирует ускорение по сравнению со стандартным алгоритмом FP64, при этом все этапы, включая вычисление интегралов [latex](i_j|p)[/latex] и построение тензора [latex]B_{ij}^{q}[/latex], учтены; отсутствие данных в некоторых точках обусловлено нехваткой памяти GPU для проведения соответствующих вычислений.

Исследователи разработали адаптивный алгоритм, использующий 8-битные целочисленные вычисления на AI-ускорителях для значительного повышения скорости вычислений плотностной аппроксимации.

Квантовый скачок и осторожность: Размышления о квантовой безопасности

Квантовый горизонт: от теории к инфраструктуре Парадоксально, но квантовая физика, всегда будоражившая воображение, теперь требует от нас не столько гениальных открытий, сколько кропотливой работы инженера. Мы, кажется, подошли к тому моменту, когда квантовые технологии перестают быть экзотикой и становятся частью инфраструктуры, требующей немедленного внимания. Представьте себе сложный механизм, где каждая деталь взаимосвязана. Если одна деталь … Читать далее

Оптимизация Криптографических S-блоков: Новый Инструмент для Минимизации Вычислений

Исследователи разработали эффективный метод поиска компактных реализаций квадратичных булевых функций, что позволяет создавать более быстрые и безопасные криптографические системы.

Поиск по древу возможностей с учетом законов физики: новый подход к оптимизации

Поиск по дереву Монте-Карло (MCTS) демонстрирует широкую применимость, охватывая как стратегическое планирование в играх, так и задачи оптимизации и проектирования в реальном мире, при этом большинство существующих реализаций ориентированы на дискретные пространства действий.

Исследователи разработали инновационный алгоритм, сочетающий методы Монте-Карло и знания о физических принципах, для эффективного решения сложных задач в области проектирования и оптимизации.