《技术处理器解决高度复杂的优化任务》

  • 来源专题:智能制造
  • 编译者: icad
  • 发布时间:2023-09-14
  • 通过数字化方法和颠覆性制造技术实现面向未来的企业定位和经济成功:该行业在产品的数字化和可持续性方面正面临重大变化。人工智能(AI)是这一发展的一个有希望的支持。借助人工智能,可以控制和监控高度复杂的流程。数据分析为提高生产力提供了基础,并向分散生产中的智能对象展示了下一个独立步骤。但是,要生成有意义且可操作的数据,还有很长的路要走。每家公司都有不同的数据,最重要的是,有不同的数据结构。数据必须以尽可能高的质量从机器、计算机和纸张传输到评估界面,例如正确的列、相同的数据类型、相同的拼写等。但是,如何才能实现呢?应该如何处理数据?通过DAP主席为增材生产应用开发的技术处理器,可以回答这些问题。在编程已知的面向对象的基础上,构建了优化的数据存储结构。这些生成的数据结构通过来自人类和机器的元数据变得机器可读和解释。借助这些收集到的数据,技术处理器解决了时间、成本和质量之间紧张的领域中高度复杂的多维优化任务。例如,初步结果表明,自动选择方向的可能性至少与人类一样,并考虑了机器利用率等生产物流变量。通过这种方式,拥有广泛数据库的公司可以做出详细而良好的决策,从而实现资源高效和有竞争力的增材制造生产。
  • 原文来源:https://dap-aachen.de/project/technologieprozessor-loest-hochkomplexe-optimierungsaufgaben
相关报告
  • 《光学处理器能够处理复杂的机器学习》

    • 来源专题:光电情报网信息监测服务平台
    • 编译者:husisi
    • 发布时间:2020-07-27
    • 神经网络为基础的机器学习是一种开发人工智能的当前热点。《应用物理评论》杂志上的一篇论文提出了一种使用光而不是电来执行神经网络所需计算的新方法。在这种方法中,一个光学的张量核心并行执行矩阵的乘法,提高了当前深度学习模式的速度和效率。 在机器学习中,神经网络接受训练从而执行无监督的决策和对未知数据的分类。一旦神经网络进行了数据训练,它就可以生成一个推理来识别和分类目标以及模式,从而在数据中查找标识。以光学为基础的张量处理单元(TPU)并行存储和处理数据,具有光电互连功能,使光学内存能够高效读取和写入,光子 TPU 可与其他架构进行接口。 作者之一 Mario Miscuglio 说,“我们发现,集成的光学平台容纳了高效光存储器可以执行与张量处理单元相同的操作,但它们功耗更小,同时具有更高的吞吐量。如果经过适当培训,可用于以光的速度进行推理。” 大多数神经网络拆解多层相互关联的神经元,旨在模仿人的大脑。实现这些网络的一个有效的方式是将矩阵和向量相乘的复合函数。这种方式可以实现高效的并行计算。科学家可以通过专门用于向量化操作(如矩阵乘法)的体系结构来实现并行计算。但是,如果处理的任务越高级,所需的预测精度越高,神经网络就会变得越复杂。此类网络需要海量的数据用于计算,并需要更多的功耗处理这些数据。 研究结果表明,他们的光学TPU的性能可以高于电学TPU的2-3个数量级。至于像5G网络一样的网络外围,计算端点的分配网络和高吞吐量以及智能任务处理的引擎,光子也可以是一个理想的选择。在网络的外围,数据信号可能已经以光子的形式存在。这些光子来自于监控摄像机、光学传感器和其他源。Miscuglio 说,“光子专用处理器可以节省大量的能源,缩短响应时间并且减少数据中心的流量。” 对于终端用户来说,这意味着数据处理速度要快得多,因为大部分数据是预处理的,这意味着只需要将一部分数据发送到云端或数据中心就可以满足用户的需要。
  • 《香港理工大学等机构研究团队开发量子微处理器芯片,用于模拟大型且结构复杂的分子光谱》

    • 来源专题:计量基标准与精密测量
    • 编译者:张宇
    • 发布时间:2024-08-27
    • 近日,香港理工大学的工程研究人员开发了一种新的量子微处理器芯片,用于模拟大型和复杂的分子结构。这种16量子比特的量子微处理器芯片能够对分子振动光谱进行高精度模拟,它克服了经典计算机的局限性并推动了量子化学应用的发展。这种尖端的量子微处理器可能会彻底改变材料科学和化学等领域,在模拟蛋白质结构和优化分子反应方面具有潜在应用。 香港理工大学的工程研究人员已成功开发出一种量子微处理器芯片,用于模拟现实中的大结构和复杂分子的分子光谱,这是世界上首次取得这样的成就。准确捕捉这些量子效应需要开发精确的计算模型,模型中这些涉及量子叠加和纠缠的部分都是计算密集型的经典模型。 该研究发表在《Nature Communications》期刊,题为“Large-scale photonic network with squeezed vacuum states for molecular vibronic spectroscopy(用于分子振动光谱的具有挤压真空状态的大规模光子网络)”的论文中。这项尖端技术使用了超出经典计算机能力的量子计算应用程序为解决复杂的量子化学问题铺平了道路。 研究团队由LIU Ai-Qun教授领导,他是量子工程与科学领域的主席教授,也是量子技术研究所(IQT)的所长,全球STEM学者,新加坡工程院院士。与他一起的主要项目推动者是ZHU Hui Hui博士,电子与电气工程系的博士后研究员,也是研究论文的第一作者。其他合作者来自南洋理工大学、香港城市大学、北京理工大学、南方科技大学、微电子研究所以及瑞典的查尔默斯理工大学。 Zhu博士的团队通过实验演示了一种大规模量子微处理器芯片,并引入了一种非常规的理论模型,该模型采用线性光子网络和压缩真空量子光源来模拟分子振动光谱。16量子比特量子微处理器芯片被制造并集成到单个芯片中。项目已经开发了一个完整的系统,包括用于量子光子微处理器芯片和电气控制模块的光-电-热封装的硬件集成、设备驱动程序的软件开发、用户界面和完全可编程的底层量子算法。量子计算机系统的发展为进一步的应用提供了基本的组成部分。 量子微处理器可用于解决复杂任务,例如模拟大型蛋白质结构或优化分子反应,并显著提高速度和准确性。Zhu博士说:“我们的方法可以产生一类早期的实用分子模型,这些模拟的运行方式超越了经典计算模型的限制,并有望在相关量子化学应用中实现量子加速。 量子技术在科学领域至关重要,包括材料科学、化学和凝聚态物理学。量子微处理器芯片作为一种极具吸引力的硬件平台,为量子信息处理提供了一种很有前途的技术解决方案。 研究结果和由此产生的集成量子微处理器芯片为众多实际应用开辟了重要的新途径。这些应用包括解决分子对接问题和利用量子机器学习技术。刘教授说:我们的研究受到量子模拟技术对现实世界的潜在影响的启发。在我们工作的下一阶段,我们的目标是扩大微处理器的规模,并处理更复杂的应用,从而进一步促进使社会生产和行业进步。 这个团队推动了量子技术的突破性发展,可以被认为是“游戏规则的改变者”他们利用量子计算微处理器成功地完成了分子光谱模拟这一极具挑战性的任务。他们的研究标志着量子技术及其潜在的量子计算应用的重大进步。