@AnimaAnandkumar: 非常高兴能与@PrinehaN合作,共同进行使用神经算子实现量子控制的项目
摘要
UCLA的研究人员正与Caltech和NVIDIA合作,利用神经算子提升AI在科学领域的应用,以控制复杂的量子系统。
查看缓存全文
缓存时间: 2026/09/15 13:42
很高兴能与@PrinehaN合作开展这个关于利用神经算子实现量子控制的项目
HPCwire (@HPCwire): 加州大学洛杉矶分校研究人员运用人工智能驱动科学研究,加速复杂量子系统控制 @UCLA @Caltech #量子计算 #高性能计算 #NVIDIA
相似文章
@AnimaAnandkumar: 这是我们自开始研究神经算子以来一直在强调的一点。我们很快就从简单的...
Anima Anandkumar 强调,尽管基准测试简单,但神经算子在像高分辨率 AI 天气预报模型 (FourCastNet) 和核聚变湍流这样的困难实际问题上实现了巨大加速(10,000 到百万倍)。她引用了一篇新论文,表明随着 PDE 任务难度的增加,学习型求解器变得更加经济高效。
@AnimaAnandkumar:大多数 AI 模型缺少一个关键要素:理解物理世界的能力。获得这种理解的最佳途径…
Anima Anandkumar 重点介绍了一种 Neural Operator 框架,该框架扩展了现有的神经网络架构以学习连续函数,解决了 AI 理解物理世界能力中的一个关键缺口。该工作发表在 Nature 上,并由 Caltech 进行了报道。
@AnimaAnandkumar: 神经算子 – 将流行神经网络转换为神经算子用于科学建模 扩展神经网…
本文提出了将流行神经网络架构(CNNs、GNNs、Transformers)转换为神经算子的原则性方法,这些神经算子学习无限维函数空间之间的映射,使得在不同离散化下进行科学建模时能够获得一致的预测。发表于《Nature Machine Intelligence》。
Quantinuum与NVIDIA验证用于药物研发的生成式量子AI框架
Quantinuum与NVIDIA携手一家制药合作伙伴,验证了一个原理验证性的生成式量子AI(GenQAI)框架,该框架结合了HPC、AI和量子计算,用于生成并执行面向药物研发的量子电路。
利用AI设计更好的量子电路
来自因斯布鲁克大学和NVIDIA的研究人员开发了一种利用多模态扩散模型的人工智能方法,可自动生成高效的量子电路,显著缩短电路长度,并重新发现了如量子傅里叶变换等教科书电路。