الرئيسية الأخبار أحدث الأوراق البحثية الدروس مجموعات البيانات الموسوعة SOTA نماذج LLM لوحة الأداء GPU الفعاليات

العربية

العناوين الرئيسية

SoftBank تستثمر 2 مليار دولار في آينتل ضمن توجهها الاستراتيجي نحو الذكاء الاصطناعي

منذ 2 أيام

OpenAI's o3 يهزم Grok 4 في مواجهة ذكاء اصطناعي على شكل شطرنج بنتيجة 4-0

منذ 6 أيام

Apple’s AI-Powered Robot Arm with Siri Personality Could Join Your Home by 2027

منذ 7 أيام

MIT Undermines Its Own AI Research Policies in Controversial Mental Health Study

منذ 7 أيام

Pocket FM يُطلق أداة ذكاء اصطناعي لمساعدة الكتاب على توليد قصص مثيرة وتحسين سرعة الإنتاج

منذ 7 أيام

Perplexity’s $34.5B Bid for Chrome Sparks Antitrust Drama Ahead of Google Breakup Decision

منذ 7 أيام

Flatiron Health تُعلن عن أبحاث مُختارة لعرضها في مؤتمر IASLC 2025 العالمي لسرطان الرئة في برشلونة، مع التركيز على البيانات الواقعية عالية الجودة والذكاء الاصطناعي المسؤول

منذ 7 أيام

تُعدّ إصدار CUDA-QX 0.4 خطوة مهمة في تبسيط تصميم وتطوير تصحيح الأخطاء الكمية وتسريع تجارب الألgorithms الكمية، من خلال دمج أدوات متقدمة في بيئة متكاملة مُسرّعة بالـ GPU. يُقدّم الإصدار الجديد مجموعة من الميزات الحاسمة التي تُسهم في تعزيز البحث والتطوير في مجال الحوسبة الكمية، خاصةً في مواجهة التحدي الأكبر: تصحيح الأخطاء الكمية (QEC). أبرز الميزات في CUDA-QX 0.4 تشمل: إنشاء نموذج خطأ الكشف (DEM) تلقائيًا من دوائر التصحيح الكمي ونماذج الضوضاء: أصبح بإمكان الباحثين توليد نموذج DEM من دوائر التصحيح الكمي ذات الضوضاء، باستخدام واجهة برمجة تطبيقات متكاملة. يُستخدم هذا النموذج في كلا المراحل: محاكاة نتائج الدوائر وتشغيل مُفكّك الأخطاء، مما يقلل التكرار ويعزز الدقة. مُفكّك مبني على الشبكات التنسورية لحساب احتمال الخطأ بدقة قصوى: يُقدّم الإصدار أول تنفيذ مفتوح المصدر لـ tensor network decoder مُسرّع بالـ GPU، يدعم Python 3.11 فما فوق. يُظهر النموذج أداءً متماثلًا مع مُفكّك جوجل المفتوح المصدر من حيث معدل الخطأ المنطقي (LER)، مع الحفاظ على الدقة الكاملة دون الحاجة إلى تدريب مسبق، مما يجعله معيارًا موثوقًا في الأبحاث. تحسينات كبيرة في مُفكّك BP+OSD المُسرّع بالـ GPU: تشمل الميزات الجديدة: مراقبة تقارب مُعدّلة (Adaptive convergence monitoring) لضبط التكرارات. قص الرسائل (Message clipping) لتحسين الاستقرار العددي. اختيار بين خوارزميتي sum-product و min-sum لتحسين الأداء حسب الحالة. مقياس تكيّفي تلقائي لخوارزمية min-sum. تسجيل تطور نسب الاحتمال اللوغاريتمية (LLR) خلال عملية التفكيك، مما يُمكّن الباحثين من مراقبة تطور التفكيك بدقة. إضافة خوارزمية Generative Quantum Eigensolver (GQE) للتصميم الذكي للدوائر الكمية: يُقدّم الإصدار أول نسخة جاهزة من GQE ضمن مكتبة Solvers، وهو خوارزمية هجينة تعتمد على نماذج الذكاء الاصطناعي التوليدية (مثل النموذج الترانسفورمر) لتصميم دوائر كمية تُحسّن احتمال العثور على الحالات الذاتية، وخاصة الحالة الأساسية للهاملتوني. يُعدّ هذا بديلًا واعدًا لـ VQE، ويُعالج مشكلة "الهبوط البائد" (barren plateaus) من خلال نقل تصميم البرنامج الكمي إلى النموذج الكلاسيكي. يُعدّ إصدار CUDA-QX 0.4 إنجازًا مهمًا في تمكين الباحثين والمهندسين من بناء سير عمل كامل، من تصميم الدوائر إلى المحاكاة، وتصحيح الأخطاء، وتحليل النتائج، كل ذلك بسرعة عالية ومرونة عالية. يُمكن الاطلاع على التفاصيل الكاملة في مستودع GitHub، مع دعم تفاعلي للمطورين والباحثين لتقديم الملاحظات والمساهمة في التطوير المستمر.

منذ 7 أيام