91欧美超碰AV自拍|国产成年人性爱视频免费看|亚洲 日韩 欧美一厂二区入|人人看人人爽人人操aV|丝袜美腿视频一区二区在线看|人人操人人爽人人爱|婷婷五月天超碰|97色色欧美亚州A√|另类A√无码精品一级av|欧美特级日韩特级

0
  • 聊天消息
  • 系統(tǒng)消息
  • 評論與回復(fù)
登錄后你可以
  • 下載海量資料
  • 學(xué)習(xí)在線課程
  • 觀看技術(shù)視頻
  • 寫文章/發(fā)帖/加入社區(qū)
會員中心
創(chuàng)作中心

完善資料讓更多小伙伴認(rèn)識你,還能領(lǐng)取20積分哦,立即完善>

3天內(nèi)不再提示

物理學(xué)家使用人工神經(jīng)網(wǎng)絡(luò)模擬量子多體系統(tǒng)的波函數(shù)

如意 ? 來源:百家號 ? 作者:AI工程學(xué)習(xí) ? 2020-06-30 16:47 ? 次閱讀
加入交流群
微信小助手二維碼

掃碼添加小助手

加入工程師交流群

蘇黎世聯(lián)邦理工學(xué)院的一對物理學(xué)家開發(fā)了一種使用人工神經(jīng)網(wǎng)絡(luò)表征量子多體系統(tǒng)的波函數(shù)的方法。Giuseppe Carleo和Matthias Troyer 在發(fā)表在《科學(xué)》雜志上的論文中,描述了他們?nèi)绾魏鍎由窠?jīng)網(wǎng)絡(luò)來模擬量子多體系統(tǒng)的某些方面。與新南威爾士大學(xué)的邁克爾·噓提供了一個前景一片由一對在同一期刊的問題所做的工作,并概述了試圖解決同樣的問題時,其他研究人員所面對的問題。

當(dāng)今物理學(xué)家面臨的難題之一是想出一種方法來模擬量子多體系統(tǒng),即,顯示給定系統(tǒng)中存在的所有狀態(tài),例如物質(zhì)。這樣的系統(tǒng)迅速變得復(fù)雜-例如,一組僅100個量子粒子可能具有多達(dá)10 35個自旋態(tài)。甚至最強(qiáng)大的現(xiàn)代計算機(jī)也很快變得不知所措,試圖描述這樣的系統(tǒng)。在這項新工作中,研究人員采用了不同的方法-而不是嘗試計算每種可能的狀態(tài),而是使用神經(jīng)網(wǎng)絡(luò)對整個系統(tǒng)進(jìn)行了概括。

兩人首先指出,去年用來擊敗圍棋世界冠軍的系統(tǒng)可能會以模擬多體系統(tǒng)的方式進(jìn)行修改。他們創(chuàng)建了相同類型神經(jīng)網(wǎng)絡(luò)的簡化版本,并對其進(jìn)行編程以模擬多體系統(tǒng)的波動函數(shù)(通過使用一組權(quán)重和僅一層隱藏偏差)。然后,他們通過獲得神經(jīng)網(wǎng)絡(luò)來確定系統(tǒng)的基本狀態(tài)。為了了解他們的系統(tǒng)運行狀況如何,他們對已經(jīng)解決的問題進(jìn)行了比較,并報告說他們的系統(tǒng)比那些依靠蠻力方法的系統(tǒng)要好。

物理學(xué)家使用人工神經(jīng)網(wǎng)絡(luò)模擬量子多體系統(tǒng)的波函數(shù)

該系統(tǒng)只是一個概念證明,而不是物理學(xué)家使用的實際工具,但它展示了可能的方法-正如Hush所指出的那樣,需要付出更多努力才能獲得具有突破性應(yīng)用的工具,正如Hush指出的那樣。

聲明:本文內(nèi)容及配圖由入駐作者撰寫或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀點僅代表作者本人,不代表電子發(fā)燒友網(wǎng)立場。文章及其配圖僅供工程師學(xué)習(xí)之用,如有內(nèi)容侵權(quán)或者其他違規(guī)問題,請聯(lián)系本站處理。 舉報投訴
  • 量子
    +關(guān)注

    關(guān)注

    0

    文章

    501

    瀏覽量

    26480
  • 人工神經(jīng)網(wǎng)絡(luò)

    關(guān)注

    1

    文章

    120

    瀏覽量

    15127
  • 物理
    +關(guān)注

    關(guān)注

    0

    文章

    101

    瀏覽量

    25530
收藏 人收藏
加入交流群
微信小助手二維碼

掃碼添加小助手

加入工程師交流群

    評論

    相關(guān)推薦
    熱點推薦

    神經(jīng)網(wǎng)絡(luò)的初步認(rèn)識

    日常生活中的智能應(yīng)用都離不開深度學(xué)習(xí),而深度學(xué)習(xí)則依賴于神經(jīng)網(wǎng)絡(luò)的實現(xiàn)。什么是神經(jīng)網(wǎng)絡(luò)神經(jīng)網(wǎng)絡(luò)的核心思想是模仿生物神經(jīng)系統(tǒng)的結(jié)構(gòu),特別是大腦中神經(jīng)
    的頭像 發(fā)表于 12-17 15:05 ?338次閱讀
    <b class='flag-5'>神經(jīng)網(wǎng)絡(luò)</b>的初步認(rèn)識

    德國斯圖加特大學(xué)突破量子中繼器技術(shù)

    為實現(xiàn)量子互聯(lián)網(wǎng),經(jīng)濟(jì)實惠的光纖基礎(chǔ)設(shè)施必不可少。但光的傳輸距離有限,傳統(tǒng)光信號需定期增強(qiáng),而量子信息無法簡單放大、復(fù)制或轉(zhuǎn)發(fā)。為此,物理學(xué)家開發(fā)量子中繼器,在
    的頭像 發(fā)表于 11-19 16:02 ?296次閱讀
    德國斯圖加特大學(xué)突破<b class='flag-5'>量子</b>中繼器技術(shù)

    激活函數(shù)ReLU的理解與總結(jié)

    in nervous activity》論文中提出并給出了人工神經(jīng)網(wǎng)絡(luò)的概念及人工神經(jīng)元的數(shù)學(xué)模型,從而開創(chuàng)了人工
    發(fā)表于 10-31 06:16

    NMSIS神經(jīng)網(wǎng)絡(luò)庫使用介紹

    :   神經(jīng)網(wǎng)絡(luò)卷積函數(shù)   神經(jīng)網(wǎng)絡(luò)激活函數(shù)   全連接層函數(shù)   神經(jīng)網(wǎng)絡(luò)池化
    發(fā)表于 10-29 06:08

    在Ubuntu20.04系統(tǒng)中訓(xùn)練神經(jīng)網(wǎng)絡(luò)模型的一些經(jīng)驗

    本帖欲分享在Ubuntu20.04系統(tǒng)中訓(xùn)練神經(jīng)網(wǎng)絡(luò)模型的一些經(jīng)驗。我們采用jupyter notebook作為開發(fā)IDE,以TensorFlow2為訓(xùn)練框架,目標(biāo)是訓(xùn)練一個手寫數(shù)字識別的神經(jīng)網(wǎng)絡(luò)
    發(fā)表于 10-22 07:03

    CICC2033神經(jīng)網(wǎng)絡(luò)部署相關(guān)操作

    在完成神經(jīng)網(wǎng)絡(luò)量化后,需要將神經(jīng)網(wǎng)絡(luò)部署到硬件加速器上。首先需要將所有權(quán)重數(shù)據(jù)以及輸入數(shù)據(jù)導(dǎo)入到存儲器內(nèi)。 在仿真環(huán)境下,可將其存于一個文件,并在 Verilog 代碼中通過 readmemh 函數(shù)
    發(fā)表于 10-20 08:00

    液態(tài)神經(jīng)網(wǎng)絡(luò)(LNN):時間連續(xù)性與動態(tài)適應(yīng)性的神經(jīng)網(wǎng)絡(luò)

    1.算法簡介液態(tài)神經(jīng)網(wǎng)絡(luò)(LiquidNeuralNetworks,LNN)是一種新型的神經(jīng)網(wǎng)絡(luò)架構(gòu),其設(shè)計理念借鑒自生物神經(jīng)系統(tǒng),特別是秀麗隱桿線蟲的神經(jīng)結(jié)構(gòu),盡管這種微生物的
    的頭像 發(fā)表于 09-28 10:03 ?1247次閱讀
    液態(tài)<b class='flag-5'>神經(jīng)網(wǎng)絡(luò)</b>(LNN):時間連續(xù)性與動態(tài)適應(yīng)性的<b class='flag-5'>神經(jīng)網(wǎng)絡(luò)</b>

    通信之謎:誰才是無線電的發(fā)明者?

    留下了他們的足跡:在英國,物理學(xué)家法拉第提出電磁感應(yīng)定律,麥克斯韋提出電磁場理論、德國物理學(xué)家赫茲通過實驗證明了電磁波存在之后,許多發(fā)明家都開始無線電的應(yīng)用研究,
    的頭像 發(fā)表于 09-17 17:32 ?3707次閱讀
    通信之謎:誰才是無線電的發(fā)明者?

    神經(jīng)網(wǎng)絡(luò)的并行計算與加速技術(shù)

    隨著人工智能技術(shù)的飛速發(fā)展,神經(jīng)網(wǎng)絡(luò)在眾多領(lǐng)域展現(xiàn)出了巨大的潛力和廣泛的應(yīng)用前景。然而,神經(jīng)網(wǎng)絡(luò)模型的復(fù)雜度和規(guī)模也在不斷增加,這使得傳統(tǒng)的串行計算方式面臨著巨大的挑戰(zhàn),如計算速度慢、訓(xùn)練時間長等
    的頭像 發(fā)表于 09-17 13:31 ?1143次閱讀
    <b class='flag-5'>神經(jīng)網(wǎng)絡(luò)</b>的并行計算與加速技術(shù)

    基于神經(jīng)網(wǎng)絡(luò)的數(shù)字預(yù)失真模型解決方案

    在基于神經(jīng)網(wǎng)絡(luò)的數(shù)字預(yù)失真(DPD)模型中,使用不同的激活函數(shù)對整個系統(tǒng)性能和能效有何影響?
    的頭像 發(fā)表于 08-29 14:01 ?3478次閱讀

    無刷電機(jī)小波神經(jīng)網(wǎng)絡(luò)轉(zhuǎn)子位置檢測方法的研究

    摘要:論文通過對無刷電機(jī)數(shù)學(xué)模型的推導(dǎo),得出轉(zhuǎn)角:與三相相電壓之間存在映射關(guān)系,因此構(gòu)建了一個以三相相電壓為輸人,轉(zhuǎn)角為輸出的小波神經(jīng)網(wǎng)絡(luò)來實現(xiàn)轉(zhuǎn)角預(yù)測,并采用改進(jìn)遺傳算法來訓(xùn)練網(wǎng)絡(luò)結(jié)構(gòu)與參數(shù),借助
    發(fā)表于 06-25 13:06

    神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)在電機(jī)故障診斷中的應(yīng)用

    摘要:針對傳統(tǒng)專家系統(tǒng)不能進(jìn)行自學(xué)習(xí)、自適應(yīng)的問題,本文提出了基于種經(jīng)網(wǎng)絡(luò)專家系統(tǒng)的并步電機(jī)故障診斷方法。本文將小波神經(jīng)網(wǎng)絡(luò)和專家系統(tǒng)相結(jié)合
    發(fā)表于 06-16 22:09

    神經(jīng)網(wǎng)絡(luò)RAS在異步電機(jī)轉(zhuǎn)速估計中的仿真研究

    眾多方法中,由于其結(jié)構(gòu)簡單,穩(wěn)定性好廣泛受到人們的重視,且已被用于產(chǎn)品開發(fā)。但是MRAS仍存在在低速區(qū)速度估計精度下降和對電動機(jī)參數(shù)變化非常敏感的問題。本文利用神經(jīng)網(wǎng)絡(luò)的特點,使估計更為簡單、快速
    發(fā)表于 06-16 21:54

    基于FPGA搭建神經(jīng)網(wǎng)絡(luò)的步驟解析

    本文的目的是在一個神經(jīng)網(wǎng)絡(luò)已經(jīng)通過python或者M(jìn)ATLAB訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)模型,將訓(xùn)練好的模型的權(quán)重和偏置文件以TXT文件格式導(dǎo)出,然后通過python程序?qū)xt文件轉(zhuǎn)化為coe文件,(coe
    的頭像 發(fā)表于 06-03 15:51 ?1240次閱讀
    基于FPGA搭建<b class='flag-5'>神經(jīng)網(wǎng)絡(luò)</b>的步驟解析

    NVIDIA實現(xiàn)神經(jīng)網(wǎng)絡(luò)渲染技術(shù)的突破性增強(qiáng)功能

    近日,NVIDIA 宣布了 NVIDIA RTX 神經(jīng)網(wǎng)絡(luò)渲染技術(shù)的突破性增強(qiáng)功能。NVIDIA 與微軟合作,將在 4 月的 Microsoft DirectX 預(yù)覽版中增加神經(jīng)網(wǎng)絡(luò)著色技術(shù),讓開
    的頭像 發(fā)表于 04-07 11:33 ?1202次閱讀