


Menggunakan kuantum kuantum sebagai GPS, kedudukan yang tepat boleh dicapai walaupun di kawasan tanpa isyarat
Jalinan kuantum merujuk kepada fenomena gandingan khas yang berlaku antara zarah. Dalam keadaan terjerat, kita tidak boleh menerangkan sifat setiap zarah secara individu, tetapi hanya boleh menggambarkan sifat sistem keseluruhan Pengaruh ini tidak hilang dengan perubahan jarak, walaupun zarah dipisahkan oleh seluruh alam semesta.
Kajian baharu menunjukkan bahawa menggunakan mekanisme kuantum kuantum, penderia boleh menjadi lebih tepat dan lebih pantas dalam mengesan gerakan. Para saintis percaya penemuan itu boleh membantu membangunkan sistem navigasi yang tidak bergantung pada GPS.
Dalam kajian baharu yang dikemukakan dalam "Nature Photonics" oleh University of Arizona dan institusi lain, penyelidik menjalankan eksperimen ke atas penderia optomekanikal, yang menggunakan pancaran cahaya untuk mengganggu untuk bertindak balas. Penderia ini bertindak sebagai pecutan, yang boleh digunakan oleh telefon pintar untuk mengesan gerakan. Sebaliknya, pecutan pecutan juga boleh digunakan dalam sistem navigasi inersia di kawasan yang mempunyai isyarat GPS yang lemah, seperti di bawah tanah, di bawah air, di dalam bangunan, kawasan terpencil dan tempat di mana isyarat radio terganggu.
Kertas "Penderiaan optomekanikal yang dipertingkatkan belitan":
Pautan kertas: https://www.nature.com/articles/s41566-023-01178-0
Untuk menambah baik optomekanikal penderiaan Untuk meningkatkan prestasi, penyelidik telah mencuba menggunakan jalinan, yang dipanggil Einstein sebagai "tindakan menyeramkan pada jarak jauh." Zarah terjerat pada dasarnya adalah selari, tidak kira berapa jauh jaraknya.
Para penyelidik berharap untuk mempunyai prototaip cip pecutan terjerat dalam tempoh dua tahun akan datang.
Walaupun jalinan kuantum mengabaikan jarak, ia juga sangat terdedah kepada gangguan luar. Penderia kuantum mengeksploitasi sensitiviti ini untuk membantu mengesan sedikit gangguan dalam persekitaran sekeliling.
"Sebelum ini penyelidikan kami tentang penderiaan optomekanikal yang dipertingkatkan kuantum telah tertumpu terutamanya pada meningkatkan sensitiviti satu sensor," kata pengarang utama kajian itu, Quantum Physics di University of Arizona, Saintis Tucson Yi Xia berkata. "Walau bagaimanapun, kajian teoretikal dan eksperimen baru-baru ini telah menunjukkan bahawa jalinan boleh meningkatkan sensitiviti antara berbilang penderia, pendekatan yang dikenali sebagai pengesan kuantum teragih." pancaran laser. Pancaran cahaya dipantulkan oleh komponen yang dipanggil pengayun, dan sebarang pergerakan pengayun mengubah jarak yang dilalui cahaya dalam perjalanan ke pengesan. Sebarang perbezaan dalam jarak yang dilalui menjadi jelas apabila rasuk kedua bertindih dengan rasuk pertama. Jika penderia pegun, kedua-dua rasuk dijajarkan dengan sempurna; jika penderia bergerak, gelombang cahaya yang bertindih mewujudkan corak gangguan yang mendedahkan magnitud dan kelajuan pergerakan sensor.
Dalam kajian baharu ini, penderia daripada kumpulan Dal Wilson di Universiti Arizona menggunakan membran sebagai pengayun, yang berfungsi dengan baik seperti kepala dram yang bergetar selepas dipukul.
Di sini, daripada memancarkan pancaran tunggal pada satu pengayun, para penyelidik membelah pancaran laser inframerah kepada dua pancaran terjerat, yang dipantulkan daripada dua pengayun pada pengesan. Sifat cahaya terjerat ini pada asasnya membolehkan dua penderia menganalisis pancaran cahaya tunggal, bekerja bersama untuk meningkatkan kelajuan dan ketepatan.
"Kami boleh menggunakan jalinan untuk meningkatkan prestasi penderiaan daya berbilang penderia optomekanikal," kata pengarang utama kajian itu, Zheshen Zhang, seorang ahli fizik kuantum di Universiti Michigan, Ann Arbor.
Selain itu, untuk meningkatkan ketepatan peranti, penyelidik menggunakan apa yang dipanggil "cahaya termampat". Cahaya memerah mengambil kesempatan daripada prinsip utama fizik kuantum: Prinsip Ketidakpastian Heisenberg, yang menyatakan bahawa apabila kedudukan zarah ditentukan, momentumnya tidak pasti sama sekali jika momentumnya ditentukan, kedudukannya tidak pasti sama sekali. Cahaya yang diperah mengeksploitasi pertukaran ini untuk "memerah" atau mengurangkan ketidakpastian dalam pengukuran pembolehubah tertentu — dalam kes ini, fasa gelombang yang membentuk pancaran laser — sambil meningkatkan ketidakpastian dalam pengukuran pembolehubah lain, tetapi kajian Personel boleh diabaikan.
"Kami adalah salah satu daripada beberapa pasukan yang boleh mencipta sumber cahaya termampat dan sedang menerokainya sebagai asas bagi teknologi pengukuran ketepatan generasi akan datang," kata Zheshen Zhang.
Secara keseluruhannya, saintis dapat mengumpul ukuran yang 40 peratus lebih tepat dan 60 peratus lebih pantas daripada menggunakan dua rasuk yang tidak terikat. Tambahan pula, mereka mengatakan ketepatan dan kelajuan pendekatan ini dijangka meningkat apabila bilangan penderia meningkat.
"Penemuan ini bermakna kami boleh meningkatkan lagi prestasi penderiaan daya ultra ketepatan ke tahap yang belum pernah berlaku sebelum ini," kata Zheshen Zhang.
Penyelidik mengatakan bahawa penambahbaikan penderia optomekanikal bukan sahaja boleh membawa kepada sistem navigasi inersia yang lebih baik, tetapi juga membantu mengesan fenomena misteri seperti jirim gelap dan gelombang graviti. Jirim gelap ialah bahan halimunan yang dianggap membentuk lima perenam daripada semua jirim di alam semesta, dan mengesan kemungkinan kesan gravitinya boleh membantu saintis mengetahui sifatnya. Gelombang graviti adalah riak dalam fabrik ruang-masa yang boleh membantu mendedahkan misteri dari lubang hitam hingga Big Bang.
Seterusnya, saintis merancang untuk mengecilkan sistem mereka. Ia sudah mungkin untuk meletakkan sumber cahaya termampat pada cip yang hanya setengah sentimeter lebar. Dalam satu atau dua tahun akan datang, kita boleh menjangkakan untuk mempunyai cip prototaip yang termasuk sumber cahaya terperah, pemisah rasuk, pandu gelombang dan penderia inersia. "Ini akan menjadikan teknologi ini lebih praktikal, lebih berpatutan dan lebih mudah diakses," kata Zheshen Zhang.
Selain itu, pasukan penyelidik kini sedang bekerjasama dengan Honeywell, Makmal Pendorong Jet, NIST dan beberapa universiti lain untuk membangunkan unit pengukuran inersia dipertingkatkan kuantum skala cip. Zheshen Zhang berkata: "Visi kami adalah untuk menggunakan penderia bersepadu sedemikian dalam kenderaan autonomi dan kapal angkasa untuk mencapai navigasi yang tepat tanpa isyarat GPS.
Atas ialah kandungan terperinci Menggunakan kuantum kuantum sebagai GPS, kedudukan yang tepat boleh dicapai walaupun di kawasan tanpa isyarat. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!

Alat AI Hot

Undresser.AI Undress
Apl berkuasa AI untuk mencipta foto bogel yang realistik

AI Clothes Remover
Alat AI dalam talian untuk mengeluarkan pakaian daripada foto.

Undress AI Tool
Gambar buka pakaian secara percuma

Clothoff.io
Penyingkiran pakaian AI

AI Hentai Generator
Menjana ai hentai secara percuma.

Artikel Panas

Alat panas

Notepad++7.3.1
Editor kod yang mudah digunakan dan percuma

SublimeText3 versi Cina
Versi Cina, sangat mudah digunakan

Hantar Studio 13.0.1
Persekitaran pembangunan bersepadu PHP yang berkuasa

Dreamweaver CS6
Alat pembangunan web visual

SublimeText3 versi Mac
Perisian penyuntingan kod peringkat Tuhan (SublimeText3)

Topik panas



Model bahasa berskala besar (LLM) telah menunjukkan keupayaan yang menarik dalam banyak tugas penting, termasuk pemahaman bahasa semula jadi, penjanaan bahasa dan penaakulan yang kompleks, dan telah memberi kesan yang mendalam kepada masyarakat. Walau bagaimanapun, keupayaan cemerlang ini memerlukan sumber latihan yang ketara (ditunjukkan di sebelah kiri) dan masa inferens yang panjang (ditunjukkan di sebelah kanan). Oleh itu, penyelidik perlu membangunkan cara teknikal yang berkesan untuk menyelesaikan masalah kecekapan mereka. Di samping itu, seperti yang dapat dilihat dari sebelah kanan rajah, beberapa LLM (Model Bahasa) yang cekap seperti Mistral-7B telah berjaya digunakan dalam reka bentuk dan penggunaan LLM. LLM yang cekap ini boleh mengurangkan memori inferens dengan ketara sambil mengekalkan ketepatan yang serupa dengan LLaMA1-33B

Proses 3nm, prestasi melepasi H100! Baru-baru ini, media asing DigiTimes mengumumkan bahawa Nvidia sedang membangunkan GPU generasi akan datang, B100, dengan nama kod "Blackwell" Dikatakan bahawa sebagai produk untuk aplikasi kecerdasan buatan (AI) dan pengkomputeran berprestasi tinggi (HPC). , B100 akan menggunakan proses proses 3nm TSMC, serta reka bentuk modul berbilang cip (MCM) yang lebih kompleks, dan akan muncul pada suku keempat 2024. Bagi Nvidia, yang memonopoli lebih daripada 80% pasaran GPU kecerdasan buatan, ia boleh menggunakan B100 untuk menyerang semasa seterika panas dan seterusnya menyerang pencabar seperti AMD dan Intel dalam gelombang penggunaan AI ini. Menurut anggaran NVIDIA, menjelang 2027, nilai output medan ini dijangka mencapai lebih kurang

Dalam beberapa tahun kebelakangan ini, pembelajaran multimodal telah mendapat banyak perhatian, terutamanya dalam dua arah sintesis teks-imej dan pembelajaran kontrastif imej-teks. Sesetengah model AI telah menarik perhatian umum kerana aplikasinya dalam penjanaan dan penyuntingan imej kreatif, seperti model imej teks DALL・E dan DALL-E 2 yang dilancarkan oleh OpenAI, dan GauGAN dan GauGAN2 NVIDIA. Tidak ketinggalan, Google mengeluarkan model teks-ke-imej sendiri Imagen pada penghujung Mei, yang nampaknya memperluaskan lagi sempadan penjanaan imej bersyarat kapsyen. Memandangkan hanya perihalan adegan, Imagen boleh menghasilkan kualiti tinggi, resolusi tinggi

Kajian yang paling komprehensif tentang model besar berbilang mod ada di sini! Ditulis oleh 7 penyelidik Cina di Microsoft, ia mempunyai 119 halaman - ia bermula daripada dua jenis arahan penyelidikan model besar berbilang modal yang telah selesai dan masih berada di barisan hadapan, dan meringkaskan secara komprehensif lima topik penyelidikan khusus: pemahaman visual dan penjanaan visual Ejen berbilang modal model besar berbilang modal yang disokong oleh model visual bersatu LLM memfokuskan pada fenomena: model asas berbilang modal telah beralih daripada khusus kepada universal. Ps. Inilah sebabnya penulis melukis secara langsung imej Doraemon pada permulaan kertas. Siapa yang patut membaca ulasan (laporan) ini? Dalam kata-kata asal Microsoft: Selagi anda berminat untuk mempelajari pengetahuan asas dan kemajuan terkini model asas pelbagai mod, sama ada anda seorang penyelidik profesional atau pelajar, kandungan ini sangat sesuai untuk anda berkumpul.

Selepas empat bulan, satu lagi kerja kerjasama antara ByteDance Research dan kumpulan penyelidikan Chen Ji di Sekolah Fizik di Universiti Peking telah diterbitkan dalam jurnal antarabangsa terkemuka Nature Communications: kertas kerja "Menuju keadaan dasar molekul melalui resapan rangkaian saraf Monte Carlo" menggabungkan rangkaian saraf dengan kaedah resapan Monte Carlo, meningkatkan penggunaan kaedah rangkaian saraf dalam kimia kuantum Ketepatan pengiraan, kecekapan dan skala sistem pada tugas yang berkaitan telah menjadi SOTA terkini. Pautan kertas: https://www.nature.com

Tugas penjanaan imej-ke-video (I2V) merupakan satu cabaran dalam bidang penglihatan komputer yang bertujuan untuk menukar imej statik kepada video dinamik. Kesukaran tugas ini adalah untuk mengekstrak dan menjana maklumat dinamik dalam dimensi temporal daripada imej tunggal sambil mengekalkan keaslian dan keselarasan visual kandungan imej. Kaedah I2V sedia ada selalunya memerlukan seni bina model yang kompleks dan sejumlah besar data latihan untuk mencapai matlamat ini. Baru-baru ini, hasil penyelidikan baharu "I2V-Adapter: AGeneralImage-to-VideoAdapter for VideoDiffusionModels" yang diketuai oleh Kuaishou telah dikeluarkan. Kajian ini memperkenalkan kaedah penukaran imej-ke-video yang inovatif dan mencadangkan modul penyesuai ringan, i.e.

Dua saintis yang telah memenangi Hadiah Boltzmann 2022 telah diumumkan Anugerah ini ditubuhkan oleh Jawatankuasa IUPAP mengenai Fizik Statistik (C3) untuk mengiktiraf para penyelidik yang telah mencapai pencapaian cemerlang dalam bidang fizik statistik. Pemenang mestilah seorang saintis yang belum pernah memenangi Hadiah Boltzmann atau Hadiah Nobel. Anugerah ini bermula pada tahun 1975 dan dianugerahkan setiap tiga tahun untuk memperingati Ludwig Boltzmann, pengasas fizik statistik Deepak Dharistheoriginalstatement. model kritikal, pertumbuhan antara muka, gangguan

Kerja EfficientSAM ini telah dimasukkan ke dalam CVPR2024 dengan skor sempurna 5/5/5! Penulis berkongsi hasilnya di media sosial, seperti yang ditunjukkan dalam gambar di bawah: Pemenang Anugerah LeCun Turing juga sangat mengesyorkan karya ini! Dalam penyelidikan baru-baru ini, penyelidik Meta telah mencadangkan kaedah baharu yang dipertingkatkan, iaitu pra-latihan imej topeng (SAMI) menggunakan SAM. Kaedah ini menggabungkan teknologi pra-latihan MAE dan model SAM untuk mencapai pengekod ViT pra-latihan berkualiti tinggi. Melalui SAMI, penyelidik cuba meningkatkan prestasi dan kecekapan model dan menyediakan penyelesaian yang lebih baik untuk tugas penglihatan. Cadangan kaedah ini membawa idea dan peluang baharu untuk meneroka dan mengembangkan lagi bidang visi komputer dan pembelajaran mendalam. dengan menggabungkan berbeza
