树莓派上编译C语言,顺便掌握一波硬件知识
然而,在这套框架之内研究粒子与核物理仍然非常困难,需要依赖于大规模数值研究。例如,强力中的不少问题都需要在质子大小的十分之一甚至是百分之一晶圆之上,对动力学进行数值模拟,因此回答关于质子、中子以及原子核基本性质的相关问题。 物理学助理教授Piala Shanahan表示,“最终,我们在使用晶格场理论的质子与核结构研究中遭遇到计算能力的限制。对于很多有趣的问题,我们只知道如何在原则上加以解决,但即使是世界上规模最大的超级计算机也不足以提供必要的算力容量。” 为了突破这些限制,Shanahan领导了一支将理论物理学与机器学习模型相结合的小组。在近日发表在《物理评论快报》上的论文《基于等变流的晶格场论采样》(Equivariant flow-based sampling for lattice gage theory)当中,他们展示了如何将物理理论的对称性纳入机器学习与人工智能架构当中,借此为理论物理带来更快的算法。 Shanahan解释道,“我们使用机器学习不是为了分析大量数据,而是希望以不损害方法严格性的方式加速第一原理理论。这项特殊工作表明,我们可以构建内置有粒子与核物理标准模型的某些对称性机器学习架构,并在当前面对的采样问题中实现量级式的计算速度提升。”
Shanahan与麻省理工学院研究生Gurtej Kanwar以及来自纽约大学的Michael Albergo共同发起了这个项目。随着项目扩展,理论物理中心博士后Daniel Hackeet与Denis Boyda、纽约大学教授Kyle Cranmer、谷歌Deep Mind团队精通物理学的机器学习科学家Sébastien Racanière与Danilo Jimenez Rezende也纷纷被吸引进来。 限制:
因此,为了跳过这个问题,可以使用'class_weight '参数手动为类分配权重。 为什么使用类别权重(Class weight)? 类别权重通过对具有不同权重的类进行惩罚来直接修改损失函数,有目的地增加少数阶级的权力,减少多数阶级的权力。因此,它比SMOTE效果更好。本文将介绍一些最受欢迎的获得数据的权重的技术,它们对不平衡学习问题十分奏效。 (1) Sklearn utils
可以使用sklearn来获得和计算类权重。在训练模型的同时将这些权重加入到少数类别中,可以提高类别的分类性能。 、搭建更大语言模型的竞赛仍将持续,我们将会见证第一个 10 万亿参数级模型的诞生。 2、基于注意力的神经网络将从 NLP 领域迁移到 CV 领域,实现新的 SOTA。 3、随着母公司战略的调整,一家大型企业的 AI lab 即将关闭。 4、作为对美国国防部活动和美国军事 AI 初创公司融资的回应,一部分中国和欧洲的国防 AI 企业将在未来的 12 个月内融资超过 1 亿美元。 5、一家头部 AI 药物发现初创公司(比如 Recursion、Exscientia)要么进入 IPO,要么以超过 10 亿美元的价格被收购。 6、DeepMind 将在结构生物学和药物发现方面取得重大突破。 7、Facebook 将凭借 3D 计算机视觉技术在 AR 和 VR 上取得重大突破。
8、NVIDIA 最终不会完成对 Arm 的收购。 (编辑:威海站长网) 【声明】本站内容均来自网络,其相关言论仅代表作者个人观点,不代表本站立场。若无意侵犯到您的权利,请及时与联系站长删除相关内容! |