检索结果-内蒙古大学图书馆

计算机工程 2022年第1期48卷 1-11页

作者：喻志超李扬中刘磊冯圣中国家超级计算深圳中心(深圳云计算中心) 广东深圳518055 中国科学院计算技术研究所计算机体系结构国家重点实验室北京100190

在处理某些大规模并行问题时,量子计算因量子位独特的叠加态和纠缠态特性,相比经典计算机在并行处理方面具有更明显的优势。现阶段,物理量子比特计算机受限于可扩展性、相干时间和量子门操作精度,在经典计算机上开展量子计算模拟成为研... 详细信息

在处理某些大规模并行问题时,量子计算因量子位独特的叠加态和纠缠态特性,相比经典计算机在并行处理方面具有更明显的优势。现阶段,物理量子比特计算机受限于可扩展性、相干时间和量子门操作精度,在经典计算机上开展量子计算模拟成为研究量子优越性和量子算法的有效途径。然而,随着量子比特数的增加,模拟所需的计算机资源呈指数增长。因此,研究大规模量子计算模拟在保证计算准确度、精度及效率的情况下减少模拟所需资源具有重要意义。从量子比特、量子门、量子线路、量子操作系统等方面展开,阐述量子计算的基本原理和背景知识。同时总结基于经典计算机的量子计算模拟基本方法,分析不同方法的设计思路和优缺点,列举目前常见的量子计算模拟器。在此基础上,针对量子计算模拟的通信开销问题,从节点拆分和通信优化2个方面出发,讨论基于超级计算机集群的量子计算模拟优化方法。

关键词：量子计算量子线路概率幅模拟量子计算模拟器超级计算机

来源：评论

学校读者我要写书评

暂无评论

AccGecko:面向分布式存储系统的尾延迟SLO保证框架

引用

高技术通讯 2022年第6期32卷 553-564页

作者：冷镇宇蒋德钧熊劲中国科学院计算技术研究所先进计算机系统研究中心北京100190 中国科学院大学北京100049

对于分布式存储系统来说,保证多租户尾延迟服务质量目标(SLO)同时获得较高的资源利用率十分重要。现有租户负载建模方法忽略了突发流量的密集程度,采用间接方法来预测尾延迟,导致系统的资源利用率较低。为了解决上述问题,本文基于密度... 详细信息

对于分布式存储系统来说,保证多租户尾延迟服务质量目标(SLO)同时获得较高的资源利用率十分重要。现有租户负载建模方法忽略了突发流量的密集程度,采用间接方法来预测尾延迟,导致系统的资源利用率较低。为了解决上述问题,本文基于密度聚类算法(DBScan),从强度、概率及密集程度3个维度对租户负载突发流量进行建模,直接预测连续突发流量期间请求延迟超限的概率。结合固定速率分配方法,本文设计了尾延迟SLO保证框架AccGecko。相比于已有的工作,AccGecko可以使系统平均多承载66%的租户。

关键词：分布式存储系统尾延迟服务质量目标(SLO)保证尾延迟预测负载建模

来源：评论

学校读者我要写书评

暂无评论

仲裁型物理不可克隆的激励响应生成方法及其电路

仲裁型物理不可克隆的激励响应生成方法及其电路

引用

作者：陈思延黄俊英唐志敏叶笑春姜会龙 200120 上海市浦东新区环科路555弄3号楼

本发明提出一种仲裁型物理不可克隆的激励响应生成方法和装置，包括：基于PUF构建的PUF满二叉树，树中每个PUF均具有信号输入端、激励输入端和信号输出端；通过PUF树构建步骤在目标设备中构建两个PUF树，分别为第一PUF树和第二PUF树，... 详细信息

标准号: CN117527249A

本发明提出一种仲裁型物理不可克隆的激励响应生成方法和装置，包括：基于PUF构建的PUF满二叉树，树中每个PUF均具有信号输入端、激励输入端和信号输出端；通过PUF树构建步骤在目标设备中构建两个PUF树，分别为第一PUF树和第二PUF树，将输入信号输入第一PUF树和第二PUF树的头节点的信号输入端，将激励信号输入每个节点的激励输入端，进而从第一PUF树和第二PUF树所有尾节点的信号输出端得到输出信号；从第一PUF树所有尾节点中选择一路输出信号作为第一输出，从第二PUF树所有尾节点中选择一路输出信号作为第二输出；将第一输出和第二输出输出至仲裁器件，根据第一输出和第二输出到达仲裁器件的先后顺序，生成响应，保存激励信号和响应作为目标设备的激励响应对。

关键词：输出输出信号尾节点信号输出端信号输入端激励响应激励信号目标设备仲裁器件输入端构建方法和装置信号输入二叉树树构建头节点响应克隆仲裁保存

来源：评论

学校读者我要写书评

暂无评论

基于用户意图消歧的解离协同过滤算法

引用

高技术通讯 2023年第5期33卷 479-488页

作者：金佳琪张梦菲潘茂褚志海方金云中国科学院计算技术研究所北京100190 中国科学院大学北京100190 国家计算机网络应急技术处理协调中心北京100029 中国雄安集团有限公司北京071700

协同过滤(CF)是推荐算法中一个重要的研究方向,近期的工作表明CF可以有效地挖掘用户-物品交互背后的潜在意图来精细化建模用户和物品的表示,从而服务下游的推荐任务。然而,本文认为现有的工作没有很好地解决用户-物品交互无偏化问题,它... 详细信息

协同过滤(CF)是推荐算法中一个重要的研究方向,近期的工作表明CF可以有效地挖掘用户-物品交互背后的潜在意图来精细化建模用户和物品的表示,从而服务下游的推荐任务。然而,本文认为现有的工作没有很好地解决用户-物品交互无偏化问题,它们一般根据假定的而非显式建模的意图生成用户和物品的解离表示。对此,本文提出了一个新的无偏差解离协同过滤(DebiasedCF)推荐框架,该框架利用用户的个人历史来提取其潜在意图,用于表示学习。具体地说,首先利用意图提取模块对用户意图进行显式建模;然后分别对各意图子图进行无偏化;再执行嵌入传播,从而为每个意图生成相应的解离表示;最后设计了一个意图嵌入聚合层来进一步融合在不同意图子图中学得的解离表示。实证结果表明,本文的框架能够在最先进的基线方法基础上取得实质性的改进。进一步的分析验证了提取的用户意图在去偏差和用户-物品表示建模方面的优势。

关键词：去偏差推荐系统图神经网络(GNN) 图池化协同过滤(CF)

来源：评论

学校读者我要写书评

暂无评论

原子间势能面模型的离群点感知自适应混合精度量化方法

原子间势能面模型的离群点感知自适应混合精度量化方法

引用

作者：刘涛贾伟乐谭光明孙凝晖董翔 100080 北京市海淀区中关村科学院南路6号

本发明提出一种原子间势能面模型的离群点感知自适应混合精度量化方法和系统，通过对不同阶数项系数使用不同数据宽度的混合精度量化，本发明提出的离群点感知的量化方法可以有效的提高量化表示的效率；本发明提出了对由量化带来的多项... 详细信息

标准号: CN117574973A

本发明提出一种原子间势能面模型的离群点感知自适应混合精度量化方法和系统，通过对不同阶数项系数使用不同数据宽度的混合精度量化，本发明提出的离群点感知的量化方法可以有效的提高量化表示的效率；本发明提出了对由量化带来的多项式表示的误差进行系统性控制的机制与方法，并提出在误差控制的约束下实现对不同阶数项系数混合精度量化的最优量化精度自适应选择方法。本发明通过对原子间势能模型多项式系数表的数据分析，自适应地给出最优的混合精度量化方案并依据此方案对多项式系数表执行离群点感知的混合精度量化操作，提高原子间势能模型的推理规模与推理速度。

关键词：精度量化原子间势能量化感知多项式系数阶数推理多项式表示自适应混合自适应选择数据分析误差控制系数使用面模型自适应

来源：评论

学校读者我要写书评

暂无评论

“人工智能”专刊序言

引用

世界科技研究与发展 2024年第4期46卷 439-441页

作者：洪学海中国科学院计算技术研究所信息技术战略研究中心

1950年英国科学家Alan Mathison Turing发表了论文《计算机器与智能》(Computing Machinery and Intelligence),提出“智能”这一概念,并提出相应的测试方法:如果一台机器能够与人类展开对话(通过电传设备),而不能被辨别出机器身份,那... 详细信息

1950年英国科学家Alan Mathison Turing发表了论文《计算机器与智能》(Computing Machinery and Intelligence),提出“智能”这一概念,并提出相应的测试方法:如果一台机器能够与人类展开对话(通过电传设备),而不能被辨别出机器身份,那么这台机器具有智能,这种测试方法被后人称之为“图灵测试”(Turing Test),这是最早对人工智能(Artificial Intelligence,AI)的“智能”的描述及其判定标准。

关键词：人工智能图灵测试测试方法判定标准 Math

来源：评论

学校读者我要写书评

暂无评论

一种量子错误缓解方法及系统

一种量子错误缓解方法及系统

引用

作者：周泓伊杨汝雨孙晓明 100080 北京市海淀区中关村科学院南路6号

本发明提出一种量子错误缓解方法，包括：以目标量子线路制备相同量子态的第一量子系统和第二量子系统，及一个辅助比特；交换该第一量子系统与该第二量子系统中对应量子比特的量子态；对该第二量子系统进行测量以获得第一测量结果；重... 详细信息

标准号: CN117709477A

本发明提出一种量子错误缓解方法，包括：以目标量子线路制备相同量子态的第一量子系统和第二量子系统，及一个辅助比特；交换该第一量子系统与该第二量子系统中对应量子比特的量子态；对该第二量子系统进行测量以获得第一测量结果；重置该第二量子系统的量子比特，并在该第二量子系统上作用该目标量子线路，对该第二量子系统进行测量以获得第二测量结果；对该第二测量步骤执行指定轮次；对该第一量子系统进行测量以获得第三测量结果；对该辅助比特进行测量以获得第四测量结果；根据测量结果估计无噪声的理想状态下，该目标物理量的期望值。本发明还提出一种量子错误缓解系统，以及一种用于实现对目标量子线路的量子错误缓解的数据处理装置。

关键词：量子系统量子量子线路测量第二测量量子态错误缓解系统数据处理装置目标物理量第一测量理想状态无噪声缓解制备重置交换

来源：评论

学校读者我要写书评

暂无评论

基于离散化动态图的协同过滤推荐算法

引用

高技术通讯 2023年第6期33卷 591-601页

基于图卷积网络(GCN)模型在学习用户/物品表示方面表现出了强大的性能,给传统的协作过滤(CF)算法带来了新的研究突破。然而,现有的基于GCN的CF方法仍然都是针对静态图建模,而在实际场景中,用户与物品的交互不是一成不变的,会随着时间的... 详细信息

基于图卷积网络(GCN)模型在学习用户/物品表示方面表现出了强大的性能,给传统的协作过滤(CF)算法带来了新的研究突破。然而,现有的基于GCN的CF方法仍然都是针对静态图建模,而在实际场景中,用户与物品的交互不是一成不变的,会随着时间的推移而持续演化;GCN中的过平滑问题会极大地限制现有推荐算法的表示学习建模。为解决上述问题,提出了基于动态图的协同过滤算法(DynGCF),其目的是通过同时捕获图的结构和时态演化信息来学习用户和物品的嵌入表示。DynGCF首先采用GCN学习每个离散快照图上的用户/物品嵌入,然后应用时间卷积网络(TCN)和自注意力机制学习,最终嵌入表示。为缓解过平滑问题,本文改进了传统GCN中的关键模块,即邻域聚合,通过在1阶交互图和2阶共现图建模用户和物品的交互。在4个真实数据集上与基于GCN的CF方法和动态图的基线方法对比,验证了DynGCF的性能提升,并分析验证了改进的方法能有效缓解过平滑问题。

关键词：推荐系统动态图图卷积网络(GCN) 协同过滤(CF)

来源：评论

学校读者我要写书评

暂无评论

数据的产权配置与实现路径

引用

人民论坛 2022年第2期 69-71页

作者：李晓东清华大学互联网治理研究中心中国科学院计算技术研究所

数据的产权配置是培育数据要素市场的关键,也是当前数据治理的核心议题。数据作为可复制、易传输、非独存的生产要素,具有有限排他、可分割、动态调整和技术依赖等独特的产权属性,决定了数据的产权配置不能如同普通物品一般按经典产权... 详细信息

数据的产权配置是培育数据要素市场的关键,也是当前数据治理的核心议题。数据作为可复制、易传输、非独存的生产要素,具有有限排他、可分割、动态调整和技术依赖等独特的产权属性,决定了数据的产权配置不能如同普通物品一般按经典产权理论进行产权划分,而需要依据其在生产者、使用者、监管方以及数据所依附的平台之间相互博弈的结果进行动态的产权配置,构建包含所有权、使用权、管理权、平台权等在内的多权分离的产权配置模型。而在数据产权配置实现中,还需要有与之相匹配的技术系统予以支持。

关键词：数据要素数据确权产权配置技术依赖

来源：评论

学校读者我要写书评

暂无评论

二进制张量分解法简化神经网络推理计算

引用

高技术通讯 2022年第7期32卷 687-695页

作者：郝一帆杜子东支天中国科学院计算技术研究所智能处理器研究中心北京100190 中国科学院大学北京100049

针对现有的简化神经网络推理计算方法面临模型精度下滑及重训练带来的额外开销问题,本文提出一种在比特级减少乘积累加运算(MAC)的乘加操作数的二进制张量分解法(IBTF)。该方法利用张量分解消除多个卷积核之间由于权值比特位重复导致的... 详细信息

针对现有的简化神经网络推理计算方法面临模型精度下滑及重训练带来的额外开销问题,本文提出一种在比特级减少乘积累加运算(MAC)的乘加操作数的二进制张量分解法(IBTF)。该方法利用张量分解消除多个卷积核之间由于权值比特位重复导致的计算重复,并保持计算结果不变,即无需重训练。在比特级简化模型计算的IBTF算法与量化、稀疏等数据级简化方法正交,即可以协同使用,从而进一步减少MAC计算量。实验结果表明,在多个主流神经网络中,相较于量化与稀疏后的模型,IBTF进一步使计算量减少了3.32倍,并且IBTF在不同卷积核大小、不同权值位宽及不同稀疏率的卷积运算中都发挥了显著的效果。

关键词：神经网络二进制张量分解(IBTF) 乘积累加运算(MAC)

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：