当前位置:首页 > 新闻中心 > 公司新闻

科学网—自然要览

发布时间: 2022-01-23 08:27:37  来源:天博app 

  随着人工智能领域的发展,对快速高效学习算法的需求不断增加。人工智能的一个重要范式是强化学习,即被称为代理的决策实体与环境交互,并根据获得的反馈更新自己的行为来学习。

  实际应用的关键问题是代理学习的速度有多快。虽然有很多研究利用量子力学来加速代理的决策过程,但学习时间的减少还没有得到证明。

  本文提出了一个强化学习实验,利用量子通信信道与环境加速代理的学习过程。作者进一步表明,将这种场景与经典通信相结合,可以评估这种改进,并允许对学习进度进行最优控制。

  研究人员在一个紧凑和完全可调的集成纳米光子处理器上实现了这个学习协议。该设备具有快速主动反馈机制,显示了代理的系统量子优势,可以很容易地集成在未来的大规模量子通信网络。

  格拉肖共振描述了高能电子反中微子与电子相互作用时W玻色子的共振形成,在电子的静止状态下,峰值反中微子能量为6.3千兆电子伏(PeV)。

  研究人员报告了冰立方中微子天文台探测到的高能粒子级联(粒子簇)与格拉肖共振产生的粒子一致。用南极冰盖切伦科夫辐射测定了一个能量为6.050.72 PeV的粒子流。

  与粒子簇中次级介子产生相一致的特征表明了共振W玻色子的强子衰变,提供了改进的定向定位。

  格拉肖共振的证据表明,在天体物理通量中存在电子反中微子,同时也为粒子物理的标准模型提供了进一步的验证。

  它的独特特征表明了一种区分中微子和反中微子的方法,从而提供了一种方法来识别通过强核或光强子相互作用产生中微子的天文加速器,无论是否有强磁场。

  以持续的深度感呈现三维(3D)场景的能力对虚拟现实和增强现实、人机交互、教育和培训都有着深远的影响。

  研究人员展示了一种基于深度学习的CGH管道,该管道能够从单一RGB深度图像实时合成逼线D全息图。

  研究人员表示该卷积神经网络(CNN)具有极高的内存效率(低于620千字节),在单个消费级图形处理单元上以60赫兹的速度运行,分辨率为1920 × 1080像素。利用低功耗的设备上人工智能加速芯片,作者表示该CNN还可以在移动设备上交互运行,承诺在未来一代的虚拟和增强现实移动耳机中具有实时性能。

  研究人员表示该CNN用基于波的损失函数训练,并在物理上近似菲涅耳衍射。通过一种抗混叠的纯相位编码方法,作者实验性地演示了无斑点、自然外观、高分辨率的3D全息图。