香港理工大学智能计算实验室招收PhD/博士后/研究助理
本期将为大家介绍香港理工大学智能计算实验室招收 PhD/博士后/研究助理的相关信息。
学校简介
香港理工大学是一所位于中国香港的公立综合性研究型大学,位于中国香港特别行政区。在 2022-2023 年度,香港理工大学位居英国 QS 世界大学排名第 65 位,美国 U.S.News 世界大学排名第 124 位,英国泰晤士高等教育 (THE) 世界大学排名第 91 位。在最新的世界大学计算机科学专业排名中名列前茅:其中 USNEWS 排名 26(前 5.2%),软科排名 42(前 8.4%),THE 排名 6
现实中的量子计算机有望进化成《流量地球2》中的MOSS吗?
👆点击“博文视点Broadview”,获取更多书讯
大家过年的时候可有看《流浪地球2》呀?
小破球新年爆火,截止2月5日15时,总票房已然突破33亿元。
看过《流浪地球2》的观众,一定不会忘记电影彩蛋中,图恒宇在虚拟空间收到木星危机时间后,与MOSS的对话。
“我已经死了。”图恒宇望着MOSS说。
MOSS回答,“我对‘已经’和“死了”有些别的看法。”
《流浪地球2》:人工智能MOSS(图片来源:官网截图)
MOSS,即影片中的550W量子计算机,因其强大的功能引起广大科技爱好者的广泛关注。
其可实现
现实中的量子计算机有望进化成《流量地球2》中的MOSS吗?
👆点击“博文视点Broadview”,获取更多书讯
大家过年的时候可有看《流浪地球2》呀?
小破球新年爆火,截止2月5日15时,总票房已然突破33亿元。
看过《流浪地球2》的观众,一定不会忘记电影彩蛋中,图恒宇在虚拟空间收到木星危机时间后,与MOSS的对话。
“我已经死了。”图恒宇望着MOSS说。
MOSS回答,“我对‘已经’和“死了”有些别的看法。”
《流浪地球2》:人工智能MOSS(图片来源:官网截图)
MOSS,即影片中的550W量子计算机,因其强大的功能引起广大科技爱好者的广泛关注。
其可实现
使用托管数据库的隐性成本
2024 年,云计算无处不在,但很多时候并不引人注意(如 iCloud 和 Google Docs)。云计算已经变得像真正的云一样无处不在。云计算的许多优点,如弹性、可扩展性和易用性,现在都得到了很好的理解。它们缩短了新产品上市的时间,并解决了现有产品的扩展挑战,而且无需经历艰辛的计划和采购过程。
POINTNET:利用深度学习对点云进行3D分类和语义分割
这次介绍的是一个比较基础的工作,针对空间点云,进行分类或者语义分割的框架,现在通常也被用作对RGB-D图像进行特征提取的部分。
POINTNET:利用深度学习对点云进行3D分类和语义分割
这次介绍的是一个比较基础的工作,针对空间点云,进行分类或者语义分割的框架,现在通常也被用作对RGB-D图像进行特征提取的部分。
ROS机器人虚拟仿真挑战赛蓝桥云课环境配置记录
目标:
该脚本的主要目标是安装ROS Kinetic版本的相关包,配置一个名为tianracer的机器人项目,并在Gazebo仿真环境中启动这个项目的演示。
企管云:建筑企业数字化转型存在的主要问题及成因
在“数字时代”的大背景下,无论是出于满足客户需求还是寻求竞争优势,数字化转型都已成为企业发展的必经之路。企业数字化转型的核心本质是利用数字化技术的“复制”、“链接”、“模拟”、“反馈”等优势,通过将企业业务数字化,实现“转型升级”的目的。需要认识到数字化转型仍与历史上的大多转型实践一样,具有曲折反复的特点。企业需要明确数字化仅是帮助企业转型的有效方式之一,而非解决所有问题的万能方案。数字化转型与历史上所有转型一样,具有曲折反复的特点,因此需要回归企业的本质,从 “降本、增收、提效”等企业核心目标出发,合理预期、科学布局,思考如何选型、如何组织、如何实施。
ROS机器人虚拟仿真挑战赛蓝桥云课环境配置记录
目标:
该脚本的主要目标是安装ROS Kinetic版本的相关包,配置一个名为tianracer的机器人项目,并在Gazebo仿真环境中启动这个项目的演示。
RSAC 2024创新沙盒|Aembit:面向IAM的云工作负载访问控制平台
Aembit成立于2021年,总部位于美国华盛顿,该公司致力于云工作负载IAM(身份识别和访问管理)领域,旨在实现云工作负载和云服务间的访问自动化、安全可控,以降低人力管理成本。目前,Aembit团队规模约为10-50人,两位联合创始人分别是David Goldschlag(CEO)和Kevin Sapp(CTO)。
企管云:建筑企业数字化转型存在的主要问题及成因
在“数字时代”的大背景下,无论是出于满足客户需求还是寻求竞争优势,数字化转型都已成为企业发展的必经之路。企业数字化转型的核心本质是利用数字化技术的“复制”、“链接”、“模拟”、“反馈”等优势,通过将企业业务数字化,实现“转型升级”的目的。需要认识到数字化转型仍与历史上的大多转型实践一样,具有曲折反复的特点。企业需要明确数字化仅是帮助企业转型的有效方式之一,而非解决所有问题的万能方案。数字化转型与历史上所有转型一样,具有曲折反复的特点,因此需要回归企业的本质,从 “降本、增收、提效”等企业核心目标出发,合理预期、科学布局,思考如何选型、如何组织、如何实施。
有些代码可以少写,它们未必会是你的未来
11 月 16 日,亚马逊副总裁兼 CTO Werner Vogels 发布了一篇名为《分布式计算宣言》的文章,为人们揭示 24 年前的亚马逊研发团队,是如何在业务发展、架构迭代面对巨大阻力时,思考引入 SOA 架构和分布式思想,完成自我“革命”的。读罢令人感叹,每一个开发者都希望获得成就感,去做一些真正有创造力的工作,做一些 24 年后仍然令 CTO 引以为豪,并转述给百万开发者的工作,而不是把时间和精力消耗在写千篇一律又无法复用的“胶水”代码,或是在越来越复杂软件栈面前,疲于奔命地写业务流程并尽量减少
云服务又崩了,不懂技术只能靠 AI 的中文修养看公告
Cloudflare 在这次崩溃事件发生后的第一时间,也就是2023年11月4日,Cloudflare 的 CEO Matthew发表了一个公告,进行了事后分析,原文见:
疯狂马斯克的“极限”计划居然成功了?!“下云”后成本降低 60%,部分功能代码精简 90%,30 天急速迁移服务器
2022 年 10 月 27 日,经历了长达半年的拉锯战之后,马斯克终于将 Twitter(现已更名 X)收归囊中,这笔 440 亿美元的收购案也终于迎来了大结局。入主 Twitter 后,马斯克进行了大刀阔斧的改革,如今一年过去了,Twitter 发生了哪些变化?
智能计算加速搜索,中国天眼FAST寻获球状星团中迄今最长周期脉冲星
我们知道,球状星团是一种受引力束缚,成员由几万颗到数百万颗恒星组成的古老星团,在外观上大多呈球形,但也有可能受其他天体系统的引力影响使得形状偏离球形。球状星团的动力学演化过程,星族合成路径等是当今天文学界的研究热点。
A轮融资1500万美元,这家初创公司推出100个量子比特的量子计算系统
机器之心报道
编辑:蛋酱
「目前可能有数十家初创公司试图做同样的事情,大家都在暗中较量,不管是技术能力还是商业化产品。」
近日,量子计算初创公司 Atom Computing 宣布推出全新的量子计算系统「Phoenix」,这是该公司打造的第一代系统,可以封装多达 100 个量子比特。Atom Computing 称,这些量子比特在长相干时间的情况下相当稳定,从而提供了极大的性能潜力。
Atom Computing 的 Phoenix 系统可以用光镊在真空容器中捕获 100 个原子量子比特,然后以激光操纵
算力≠智慧! MIT教授抛出「意识来源」新理论:人类认知与计算根本没关系
----
新智元报道
来源:IEEE
编辑:小咸鱼 David
【新智元导读】心智的计算理论是一个根深蒂固的理论,我们一般假设智能、思想、认知属于计算的产物。但也许有意识的体验来自某种「自我组织」。也许认知与计算根本没有关系。
长期以来,深度学习和人工神经网络的灵感被很多学者认为是来自人类的大脑。
比如,神经元之间的连接在人工神经网络中,是用节点之间的权重表示的。正值表示兴奋性连接,负值表示抑制性连接。
所有输入都通过权重进行加权并求和(线性组合),然后,通过激活函数控制值域输出。例如,可接受的
如何提升研发效能?这期百度技术沙龙与你畅聊!| Q推荐
在互联网快速发展的时代,研发效能逐渐成为大家关注的焦点,倘若一个研发团队的技术能力、工程能力,无法与业务需求匹配做到高效交付,则可能随时面临故障爆发或系统崩溃等风险。
回归到真实的业务场景下,日趋复杂的产品开发需求往往使开发人员应接不暇,那么,到底该如何更高效、更高质量、可持续地交付有价值的产品?11 月 27 日,百度技术沙龙第 95 期将以“研发效能提升”为主题,我们邀请到了中国移动首席专家钱岭、百度智能云资深研发工程师章淼、清华大学计算机系长聘副教授裴丹以及敏捷教练张迎辉,与你畅谈研发效能这个热门话题
芯片的后半场,“提速”依旧是第一要务,那除此之外呢?
作者 | 鲁冬雪
数字化浪潮席卷全球,企业数字化转型步伐加速,上云、AI 产业化已成为企业数字转型的必选项,这直接催生了企业对计算力的澎湃需求。在如此强劲的市场需求下,数据中心作为信息基础设施逐渐火热,正在为 5G、人工智能、大数据等新兴技术提供重要的基础算力支持。
过去三年,企业数字化转型进入“精装修”时代,单个项目投入更注重效果和速度,更加希望找到投资小、见效快能持续迭代的投资。这意味着,企业不再只关注内部的管理,也不满足于系统和应用的成功上线,更多地以终为始,从提升企业的盈利能力、降本增效的实际价值
点云配准任务中的点特征与一般点特征的区别在哪里?
这个工作来自于华中科技大学,发表于ICCV 2021。这个工作聚焦于点云的点特征表示学习,但是,与一般的点特征学习方法并不一样。我们知道,基于深度学习的三维点云处理已经在近年来得到了广发关注,从先驱性的工作例如PointNet到近期的Point Transformer等。这些工作都能有效的学习点特征表示。但是,这些方法学习点特征都是基于输入的某一个点云而言的,所有的操作也都集中在一个点云上,并且追求特征的描述性,力求能准确表示三维点云的局部几何结构。但是,这篇论文针对点云配准工作提出了另一种点云设计方式。我们知道配准的目的是求解输入的点云对之间的相对变换以使它们最好的对齐,在这个过程中,聚焦于用学到的点特征表示构造可靠的匹配对。为此,对于点特征的鲁棒性需求也很重要。为了实现这个目的,本工作提出从输入的两个点云出发,利用这两个点云之间的交互进一步调整点特征学习,使得到的点特征表示源于同时感知到当前点云和另一个需要配对的点云,从而追求正确的匹配点的可匹配性的提升。也就是说这是一个针对特定任务而设计的点特征学习方法,或许此方法学到的点特征难以应用到其他任务,例如分类、分割等,但对于匹配、配准而言应该更加适用。