هوش گیتهوش گیترسانه، شبکه و یادگیری AI
/ ⌘K
ورود
/ ⌘K
خانهشبکهمدل‌هایادگیریپروژه‌ها
هوش گیتهوش گیترسانه، شبکه و یادگیری AI
صفحه اصلیشبکهاخبارپژوهشمدل‌هاابزارهایادگیری
/ ⌘K
ورود

دسترسی سریع

دسترسی سریع تحریریه

خبرها، موضوعات، حساب کاربری و تنظیمات مطالعه همیشه در سمت راست در دسترس‌اند.

حساب کاربری

ورود سریع به حساب و ابزارهای شخصی‌سازی

ورود

با حساب کاربری، اعلان‌ها، ذخیره‌سازی خبرها و سطح مطالعه شخصی را فعال می‌کنید.

صفحه اصلیشبکهاخبارپژوهشمدل‌هاابزارهایادگیریفضاهاچهره‌های تخصصیسیاست‌گذاریامنیترویدادهافرصت‌های شغلیسرگرمیپروژه‌هاموضوعات
مرور موضوعات
همه
تم
درباره ماحریم خصوصیتماس با ما

مالکیت و پشتیبانی

شبکه هوشمند ابتکار ویستا

هوش‌گیت به‌عنوان رسانه و لایه دانشی این شرکت، با تمرکز بر خبر، یادگیری، همکاری حرفه‌ای و محصول‌های هوش مصنوعی توسعه داده می‌شود. تمامی حقوق مالکیت و کپی‌رایت این وب‌سایت متعلق به شبکه هوشمند ابتکار ویستا است.

این شرکت به‌صورت تخصصی در حوزه هوش مصنوعی، ساخت پلتفرم‌های AI، سامانه‌های مبتنی بر LLM، تحلیل داده، طراحی تجربه دانشی و توسعه زیرساخت‌های حرفه‌ای برای تیم‌های سازمانی فعالیت می‌کند.

مالکیت: شبکه هوشمند ابتکار ویستامدیرعامل: مسعود بخشی۰۹۱۲۴۷۳۳۲۳۴Devcodebase.dev@gmail.comHooshgate@gmail.comDevcodebase.com
v0.1.0 · c10e763-livefix12-homeperf · _51aidybsaf2ojc1qbeDa · 2026-04-29T11:19:41.000Z/api/version
آخرین خبرهاآموزشپریمیومدرباره ماتماس با ماحریم خصوصیقوانین استفادهکوکی‌هاسیاست تحریریه
App shellguest mode
خانهشبکهیادگیریپروژه‌هااعلان‌هاورک‌اسپیس
  1. خانه
  2. /
  3. اخبار
  4. /
  5. IBM Research و ETH Zurich عصر جدیدی از نوآوری را باز می‌کنند
IBM Research AIمعتبر1405/01/11 18:00متن‌باز و جامعه

IBM Research و ETH Zurich عصر جدیدی از نوآوری را باز می‌کنند

شده بود. کار کرده بود،. کنیم.

منبع: IBM Research AI

متن‌باز و جامعهسیاست‌گذاری و حاکمیتزیرساخت و محاسبات
نسخه مطالعهعمومی
منبعIBM Research AI
انتشار1405/01/11 18:00
سطح مطالعه
اشتراک در تلگراماشتراک در Xاشتراک در LinkedIn

share-ready · لینک کمپین آماده است

متن پیش‌نمایش telegram با ۴۱۱ کاراکتر ساخته شده است.

اگر این خبر برایتان مفید بود، حساب بسازید.

با حساب هوش‌گیت می‌توانید خبرها را ذخیره کنید، موضوع‌ها و چهره‌های تخصصی را دنبال کنید و مسیر یادگیری یا پروژه مناسب خودتان را سریع‌تر پیدا کنید.

ساخت حسابورود برای ذخیره و دنبال‌کردن
IBM Research و ETH Zurich عصر جدیدی از نوآوری را باز می‌کنند

پیگیری گفتگو

بازگشت سریع به همین گفتگو

این گفت‌وگو را ذخیره کن، آن را دنبال کن و اگر لازم است یک یادداشت کوتاه برای بازگشت بعدی بگذار.

لایه انسانی

نویسنده انسانی، یادداشت کارشناس و شفافیت نویسندگی

این سطح مشخص می‌کند کجا انتشار با حضور انسان تقویت شده و کجا newsroom هوش مصنوعی هنوز نقش اصلی را دارد.

لایه newsroom با کمک هوش مصنوعیبدون author انسانی عمومیreview with confidence

این خبر فعلاً بیشتر در لایه newsroom و پوشش کمک‌گرفته از هوش مصنوعی قرار دارد و هنوز نویسنده انسانی مشخصی برای آن ثبت نشده است.

جانمایی امن برای اسپانسر

امتیاز جانمایی۷۰ / 100
یادداشت‌های انسانی۰
  • منبع در سطح trusted قرار دارد.
  • trust score منبع بالاست.

قدم بعدی

بعد از خواندن این خبر چه کار کنم؟

اگر این موضوع برایت مهم است، از همین‌جا آن را ذخیره کن، گفت‌وگو را دنبال کن یا به مسیر یادگیری، چهره تخصصی و پروژه مرتبط برو.

حفظ و پیگیری

این مقاله را برای بازگشت بعدی ذخیره کن، منبعش را دنبال کن یا وارد گفت‌وگوی همین خبر شو تا موضوع از دست نرود.

رفتن به گفت‌وگو

یادگیری و action بعدی

اگر می‌خواهی از خبر به فهم عمیق‌تر برسی، مسیرهای مرتبط زیر ساده‌ترین نقطه شروع‌اند.

رفتن به هاب یادگیریدیدن چهره تخصصی مرتبطپروژه مرتبط

راهنمای مطالعه

منبع اصلی، تاریخ فارسی و شاخص‌های سریع این خبر.

رفتن به منبع
تاریخ فارسی1405/01/11 18:00
داستانمستقل

نکات کلیدی

این باکس براساس سطح مطالعه شما (عمومی) تنظیم شده است.

  • IBM Research و ETH Zurich به تازگی توافقنامه تحقیقاتی جدیدی را با هدف ایجاد زیربنای الگوریتمی‌دوره بعدی.
  • در محاسبات امضا کردند.
  • این همکاری طولانی مدت بوده است،.
  • با رابطه IBM-ETH به 70 سال قبل،.
  • از همان آغاز حضور IBM در زوریخ.
  • مدیر افتتاحیه آزمایشگاه زوریخ،.
  • آمبروز اسپایزر،.
  • یک استاد جوان علوم کامپیوتر در Eidgenössische Technische Hochschule (ETH) بود که توسط خود توماس واتسون جونیور استخدام.

فهرست مطالب

  1. TL;DR
  2. چه اتفاقی افتاد
  3. چرا مهم است
  4. منبع

سیگنال تعامل

بازدید۰
کلیک۰
امتیاز0.00
دیدگاه۰

TL;DR

  • IBM Research و ETH Zurich به تازگی توافقنامه تحقیقاتی جدیدی را با هدف ایجاد زیربنای الگوریتمی‌دوره بعدی.
  • در محاسبات امضا کردند.
  • این همکاری طولانی مدت بوده است،.

چه اتفاقی افتاد

IBM Research و ETH Zurich به تازگی توافقنامه تحقیقاتی جدیدی را با هدف ایجاد زیربنای الگوریتمی‌دوره بعدی. در محاسبات امضا کردند.

این همکاری طولانی مدت بوده است،. با رابطه IBM-ETH به 70 سال قبل،.

از همان آغاز حضور IBM در زوریخ. مدیر افتتاحیه آزمایشگاه زوریخ،.

آمبروز اسپایزر،. یک استاد جوان علوم کامپیوتر در Eidgenössische Technische Hochschule (ETH) بود که توسط خود توماس واتسون جونیور استخدام.

شده بود. قاره اسپایزر بعداً در سالنامه تاریخ محاسبات IEEE نوشت:.

«معلوم شد – نه به‌طور غیرمنتظره – که آزمایشگاه جدید IBM در زوریخ یک پیشنهاد جذاب برای مهندسان. جوانی بود که به دنبال موقعیت بودند.

بر این اساس، گردآوری گروهی از افراد توانمند کار دشواری نبود. دور از آزمایشگاه اصلی تحقیقاتی IBM در نیویورک،.

آی‌بی‌ام زوریخ،. با دو جایزه نوبل و اکتشافاتی که به هموار کردن راه برای نیمه‌رساناها و الکترونیک در مقیاس نانو،.

و همچنین محاسبات علمی‌با کارایی بالا کمک کرد،. به یک نیروگاه علمی‌تبدیل شد.

پیوند نزدیک آی‌بی‌ام با ETH زوریخ بخشی از فرمول برنده شدن آن بوده است. ETH استعدادهای تازه‌ای را در اختیار IBM قرار داد،.

و گاهی برعکس،. زیرا محققان باتجربه IBM را ترک کردند تا در ETH تدریس کنند،.

و تبادل ایده‌ها بین دانشگاه و صنعت و علم کاربردی را تضمین می‌کرد. شهرت بیش از حد این آزمایشگاه باعث شد الساندرو کوریونی،.

که در آن زمان دانشجوی دکترا در سوپریوری نورمالای ایتالیا بود. او به‌عنوان کارآموز به زوریخ تحقیقاتی IBM آمد که در آن زمان بستری برای شیمی‌محاسباتی بود،.

و هرگز آنجا را ترک نکرد،. به جز اینکه برای اتمام دکترای خود به پیزا بازگشت.

از IBM Fellow برای کارش. در سال 2016،.

کوریونی به‌عنوان معاون اروپا و آفریقا و رئیس آزمایشگاه زوریخ که دو دهه قبل به‌عنوان کارآموز در آن. کار کرده بود،.

وارد مدیریت شد. ما اخیراً با او در مورد فصل بعدی IBM و ETH صحبت کردیم،.

و اینکه چشم انداز "AI ضربدر کوانتومی" برای آینده محاسبات چگونه به نظر می‌رسد. آزمایشگاه زوریخ امسال 70 ساله می‌شود - خنده دار است که فکر کنیم همه چیز با یک.

استاد ETH آغاز شد! این یک داستان مداوم از تبادل،.

تعامل و موفقیت در هر دو طرف،. توسط مؤسساتی است که منحصر به فرد هستند.

دانشگاه ETH زوریخ یکی از بهترین دانشگاه‌های اروپا با ۲۲ جایزه نوبل است،. از جمله یکی از آن‌ها که به آلبرت انیشتین،.

مشهورترین فارغ‌التحصیل آن تعلق گرفت. و آی‌بی‌ام یکی از قدیمی‌ترین و بادوام‌ترین شرکت‌های فناوری در جهان است که شش جایزه نوبل و ۷.

جایزه تورینگ دارد. مهم است که به این فقط به‌عنوان یک فصل جدید نگاه کنیم.

الساندرو کوریونی به IBM Research Zurich آمد. به‌عنوان یک کارآموز و امروز با کمک همکاری جدید با ETH زوریخ،.

آزمایشگاه را به عصر محاسبات بعدی هدایت می‌کند. این فصل بعدی روی چه چیزی تمرکز خواهد کرد؟

ما در حال ایجاد مبنای الگوریتمی‌برای آینده محاسبات هستیم که در آن نظریه اطلاعات کوانتومی‌و نظریه. اطلاعات کلاسیک با هم ترکیب می‌شوند،.

برنامه‌های فعلی ما را گسترش می‌دهیم و برنامه‌های کاملا جدید را فعال می‌کنیم. این تغییر اساسی بر 95 درصد از مشکلاتی که ما در تلاش برای حل آن در علم و.

تجارت هستیم تأثیر خواهد گذاشت. سرمایه‌گذاری IBM به دانشجویان و پروژه‌های الگوریتم‌های کلاسیک و کوانتومی‌کمک مالی می‌کند.

شما در سال 2006 به‌عنوان کارآموز به آزمایشگاه آمدید - چه چیزی شما را به آنجا رساند؟ تحقیقاتی IBM زوریخ با ETH تحت ساختار انجمن C4 برای شیمی‌محاسباتی همکاری داشت.

من در دوره دکتری ام آمدم زیرا این مکان پیشرو برای انجام شیمی‌محاسباتی بود. وقتی به زوریخ رسیدم، بهترین مکان دنیا را برای انجام دادن پیدا کردم تحقیقات من.

وقتی دانشمند تمام وقت شدید، روی چه چیزی کار می‌کردید؟ در آن زمان، من ابزارهای کلاسیکی برای شبیه‌سازی مولکول‌ها به روشی تقریبی داشتم.

من از اولین ماشین‌های IBM Power در جهان برای انجام علم با ETH و C4 استفاده می. کردم.

سپس به سراغ رایانه‌های موازی رفتیم که سعی می‌کردند از رایانه‌های کلاسیک برای شبیه‌سازی کوانتومی‌بهره‌برداری کنند و. به تمام دیوارهای ممکن برخورد کنیم.

پانزده سال پیش،. من با IBM Blue Gene و محاسبات موازی گسترده شروع کردم تا سعی کنم به مشکلات محاسباتی جالب.

خارج از شیمی‌رسیدگی کنم. ما با هم کار کردیم تا یک برنامه سیال دینامیک شبیه‌سازی ابرهای حباب‌های در حال فروپاشی.

تحت فشار ایجاد کنیم و جایزه گوردون بل 2013 ACM را برنده شدیم. و دو سال بعد جایزه دوم را بردیم!

جایزه ACM گوردون بل در سال 2015 برای پروژه HPC دیگری بود که این بار جریان‌هایی را. در گوشته زمین شبیه‌سازی می‌کرد که زمین لرزه‌های دینامیکی تولید می‌کند.

پروژه‌هایی که تحقیقات IBM با ETH زوریخ انجام داده است؟ ما در سال 2011 یک مرکز فناوری نانو ساختیم.

این اولین سرمایه‌گذاری بزرگ دولتی-خصوصی در سوئیس بود و از میکروسکوپ تونل‌زنی روبشی (STM) که در آزمایشگاه ما. توسط فیزیکدانان IBM اختراع شد،.

Gerd Binnig و Heinrich فارغ‌التحصیل شد. هر دوی آنها در سال 1986 جایزه نوبل فیزیک را دریافت کردند.

کار آنها پیشگامانه بود زیرا راهی برای تجسم و دستکاری طبیعت،. اتم به اتم به ما داد و منجر به ظهور فناوری نانو شد.

بهترین بخش کار در زوریخ چیست؟ برای نوآوری و کیفیت زندگی از نمودارها خارج است.

IBM اولین شرکت فناوری بود که به اینجا رسید، در مجاورت پردیس ETH. امروزه گوگل، متا، OpenAI و موارد دیگر وجود دارد.

این شهر هنوز هم بهترین ذهن‌ها را از سراسر جهان جذب می‌کند. چند سال پیش، ETH توانست السو فیگالی، ریاضیدانی که مدال فیلدز را در 2018.

شما به دلیل اکوسیستم اینجا کار می‌کنید. چه چیزی شما را بیشتر در مورد آینده هیجان زده می‌کند؟

کوانتوم پیچیدگی محاسباتی شبیه‌سازی طبیعت را به شدت کاهش می‌دهد. این گلوگاهی را که کاری را که در گذشته می‌توانستیم انجام دهیم محدود می‌کرد،.

از بین خواهد برد. ما از رایانه‌های کلاسیک برای شبیه‌سازی همان چیزهایی استفاده می‌کردیم که امروز می‌خواهیم شبیه‌سازی کنیم،.

اما پیچیدگی محاسباتی آنقدر بد بود که وقتی سیستم را بزرگ می‌کردید یا دقت را افزایش می‌دادید،. به دیوار برخورد می‌کردید و نمی‌توانید ادامه دهید.

به‌عنوان یک دانشمند ناامید کننده بود. شما می‌خواستید دنیا را تغییر دهید، اما نتوانستید.

وقتی به‌طور مکرر پروژه‌های خود را به دیوار زدید، چه چیزی شما را نگه داشت؟ من روی ایجاد پیشرفت‌های تدریجی تمرکز کردم.

من این کار را برای سال‌ها انجام دادم،. با شبیه‌سازی مولکول‌ها،.

سپس مولکول‌ها در حلال،. سپس مولکول‌ها در حلال روی رابط‌ها،.

شروع کردم تا چیزی بهتر و دقیق‌تر به دست بیاورم. اما احساس می‌کردم دن کیشوت با آسیاب بادی می‌جنگد.

من هر بار یک سانتی‌متر دیوار را فشار می‌دادم و منتظر می‌شدم تا جادو اتفاق بیفتد. کوریونی در کار قبلی خود به‌عنوان یک شیمی‌دان محاسباتی،.

بر ساخت مدل‌های سیستم‌های طبیعی با استفاده از رایانه‌های قدرتمند تمرکز کرد. در اینجا، او در حال مطالعه شبیه‌سازی مولکول‌های ساطع کننده نور در تعامل با سطوح آلومینیومی‌است.

چه چیزی باعث شد تصمیم بگیرید که یک مدیر شوید؟ وقتی به بالاترین افتخار فنی IBM، همکار IBM دست یافتم، احساس کردم که به چالش جدیدی نیاز دارم.

از 20 سالگی پس از شنیدن اخباری مبنی بر برنده شدن جایزه STM توسط محققان IBM Zurich،. رویای من برنده شدن جایزه نوبل بود.

در مقطعی متوجه شدم که احتمال برنده شدن نوبل من چندان زیاد نیست. فکر می‌کردم می‌توانم با سوق دادن نسل جوان، کارهای بیشتری برای شرکت و جهان انجام دهم.

وقتی آرویند [کریشنا،. مدیر تحقیقات آن زمان] از من خواست که آزمایشگاه زوریخ را رهبری کنم،.

فقط یک شب وقت گذاشتم تا جواب مثبت بدهم. هوش مصنوعی آینده تحقیقات کوانتومی‌را شکل می‌دهد؟

آینده هوش مصنوعی به علاوه کوانتومی‌نخواهد بود،. بلکه هوش مصنوعی برابر کوانتومی‌خواهد بود زیرا محاسبات کوانتومی‌گسترده‌تر از امروز خواهد بود.

کوانتوم یک فناوری توانمند خواهد بود. محاسبات کلاسیک بخشی از محاسبات کوانتومی‌خواهد بود همانطور که مکانیک کلاسیک بخشی از مکانیک کوانتومی‌است.

این موتور محاسباتی کوانتومی‌هوش مصنوعی را قدرتمندتر می‌کند. در همین حال، هوش مصنوعی قبلاً کوانتوم را قدرتمندتر کرده است.

چطور؟ هوش مصنوعی می‌تواند به ما کمک کند شبیه‌سازی‌های پیچیده را به روشی مستقل اجرا کنیم.

هنگامی‌که کوانتوم به پایه محاسبات تبدیل شود،. هوش مصنوعی در حال اجرا در بالا حتی قدرتمندتر خواهد شد.

هوش مصنوعی ضربدر کوانتوم اثر چند برابری خواهد داشت. AI x کوانتوم در کجا بیشترین تأثیر را خواهد داشت؟

مکانیک کوانتومی‌در ابتدا برای توضیح مسائل فیزیک طراحی شد که مکانیک کلاسیک می‌توانست نه چگونه ممکن. است چیزی همزمان ذره و موج باشد.

بعداً متوجه شدیم که مکانیک کوانتومی‌جایگزین مکانیک کلاسیک شده است. ما با درک اینکه برخی از مشکلات از نظر محاسباتی برای کامپیوترهای کلاسیک بسیار ناکارآمد هستند،.

به محاسبات کوانتومی‌رسیدیم. شبیه‌سازی طبیعت یکی از آنهاست.

ما همیشه در مورد دوقلوهای دیجیتالی و ساختن مدل‌های دقیق از طبیعت صحبت کرده ایم،. اما دوقلوهای دیجیتالی تاکنون کپی‌های کربنی بدی بوده‌اند.

اگر بتوانید جنبه‌ای از طبیعت را با یک کامپیوتر کوانتومی‌شبیه‌سازی کنید، آن چه بود؟ یکی از مشکلاتی که من به دیوار برخورد کردم، شبیه‌سازی باتری‌ها بود.

ما روی پروژه‌ای کار کردیم تا باتری‌های لیتیوم-هوای جدید ایجاد کنیم تا ذخیره انرژی را متحول. کنیم.

وقتی محاسبات کوانتومی‌به بلوغ رسید، فکر می‌کنم بتوانیم این فرآیندها را به دقت مطالعه کنیم. برای شبیه‌سازی دستگاهی مانند باتری و ایجاد دوقلوهای دیجیتال واقعی،.

باید شبیه‌سازی هامیلتونی و فرآیندهای تصادفی با هم. پس اینجاست که "AI x quantum" وارد می‌شود؟

دقیقاً. با بهترین الگوریتم‌های کلاسیک و کوانتومی‌ممکن می‌توانیم توان آنها را چند برابر کنیم.

به همین دلیل است که این همکاری بسیار هیجان انگیز است. در چند جای دنیا می‌توان گفت که فن آوری و مهارت دارید، اما میراث هم دارید؟

IBM و ETH بذرهای نانوتکنولوژی و شیمی‌محاسباتی را کاشتند و این مزارع را با هم رشد دادند. اکنون، می‌توانیم آن را دوباره برای محاسبات انجام دهیم.

چرا مهم است

اهمیت این خبر در این است که روی استفاده واقعی از AI و تصمیم‌گیری سازمانی اثر می‌گذارد.

منبع

لینک منبع اصلی در کارت و صفحه مقاله نمایش داده می‌شود.

اعتبار

چرایی اعتماد به این خبر

امتیاز اعتبار، منطق اعتماد، وضعیت راستی‌آزمایی و لاگ تغییرات در یک نگاه.

اعتبار خبر۴۳ / 100
اعتبار منبع۱۳ / 100
اعتبار موضوع۱۰۰ / 100
تازگی۴۴ / 100
مرحله عمر خبرNEEDS_UPDATE
نیاز به به‌روزرسانیبله
نیازمند تقویتنیازمند تقویتمرجع قوینیازمند بازبینینیازمند به‌روزرسانی

تصمیم انسانی تحریریه

خلاصه تصمیم تحریریه

سیگنال بازبینی باز استstandard editorial reviewنیاز بازبینی قابل مشاهده استstandard editorial path

این مقاله در مسیر standard editorial review قرار دارد و بخشی از سیگنال‌های review هنوز باید تکمیل یا شفاف‌تر شود.

دلیل انتشار: خبرهای استاندارد با چک‌های منبع، تیتر و خلاصه منتشر می‌شوند و در صورت حساسیت بالاتر به review سخت‌تر ارتقا پیدا می‌کنند. وضعیت فعلی: fact-check not_started و checklist ۰٪.

کلاس خبرSTANDARD_NEWS
سخت‌گیری بازبینیRECOMMENDED
بازبینثبت عمومی نشده

موارد بازبینی که باید شفاف‌تر شوند

صحت و منبع اصلی تایید شدتیتر بازبینی و حرفه‌ای شدخلاصه برای کارت و SEO تایید شد
سیاست تحریریه و اصلاحاتچرا به هوش‌گیت اعتماد کنیم؟

چرا این خبر قابل اعتماد است

    شفافیت راستی‌آزمایی ادعاها

    ادعای تاییدشده۰
    نیازمند بازبینی۰
    میانگین اطمینان۰٪

    چرا هنوز مهم است

    این خبر هنوز بازدید، کامنت یا follow-up کافی دارد و از چرخه توجه مخاطب خارج نشده است.

    تقویت اعتبار

    وجود follow-up و پوشش مرتبط، authority این خبر را در طول زمان تقویت می‌کند.

    پیگیری به‌روزرسانی

    این خبر evergreen است و برای حفظ authority به refresh تحریریه نیاز دارد.

    بخش منابع و ارجاع‌ها

    لینک‌های منبع اصلی، ارجاع‌های ادعا و referenceهای مکمل برای پیگیری مستقیم.

    research.ibm.comمنبع اصلی

    research.ibm.com/blog/ibm-eth-zurich-next-chapter

    research.ibm.comارجاع تکمیلی

    research.ibm.com/blog

    پوشش‌های پیگیری

    پیگیری‌های بعدی، توضیح‌دهنده‌های مرتبط یا خبرهای مکملی که عمر این موضوع را بعد از انتشار ادامه می‌دهند.

    یک روش گالرکین ناپیوسته ترکیبی همگرا برای انیشتین -- معادلات اسکالر

    پیگیری بعدی

    1405/01/29 15:44

    یک اپراتور فتوآکوستیک فوروآکوستیک-پیوسته سازگار با قانون متقابل

    پیگیری بعدی

    1405/01/29 15:44

    عدم وجود احتمالات و دم پایین در رژیم بحرانی از طریق انتشار باور

    پیگیری بعدی

    1405/01/29 15:44

    توابع مانع کنترل ماتریس مرتبه بالا: حالت خوب و امکان سنجی از طریق درجه نسبی ماتریس

    پیگیری بعدی

    1405/01/29 15:44

    تعامل کاربران و کیفیت خبر

    امتیاز بدهید، نظر ثبت کنید یا اگر خطایی دیدید گزارش اصلاح بفرستید. moderation، trust contributor و کیفیت thread به‌صورت شفاف نمایش داده می‌شود.

    بازدید

    ۰

    کلیک روی خبر

    ۰

    امتیاز میانگین

    0.00 / 5

    دیدگاه تایید شده

    ۰

    وضعیت trust گفتگو

    کیفیت thread براساس reputation contributorها، رأی‌ها و moderation سنجیده می‌شود.

    در حال بارگذاری

    امتیاز thread

    ۰ / 100

    دیدگاه متخصص

    ۰

    دیدگاه مفید

    ۰

    خروجی moderation و قوانین

    تاییدشده: ۰pending: ۰hidden/spam: ۰

      حضور انسانی در این گفتگو

      این بخش کمک می‌کند thread فقط حول personaها دیده نشود و contributorهای انسانی واقعی هم واضح باشند.

      contributor انسانی: ۰trusted: ۰expert: ۰
      هنوز contributor انسانی برجسته‌ای در این thread دیده نشده است.

      امتیاز شما به خبر

      هنوز امتیاز نداده‌اید.

      واکنش سریع به خبر

      به‌جای لایک کلی، نوع برداشت خودتان را مشخص کنید.

      ثبت دیدگاه

      دیدگاه‌های کم‌ارزش یا spam به‌صورت خودکار محدود می‌شوند و نتیجه moderation در همین صفحه قابل مشاهده است.

      گزارش اصلاح یا بهبود

      اگر claim، ترجمه، منبع یا framing خبر نیاز به اصلاح دارد، این مسیر مستقیم برای تیم تحریریه است.

      آخرین دیدگاه‌ها

      هنوز دیدگاهی ثبت نشده است.

      مقایسه سه سطح مطالعه

      برای همین خبر، نسخه ساده، عمومی و تخصصی کنار هم خلاصه شده‌اند.

      ساده

      ۹٬۰۴۳ کاراکتر

      آی‌بی‌ام زوریخ،. شیمی‌محاسباتی بود. محاسبات کلاسیک بخشی از محاسبات کوانتومی‌خواهد بود همانطور که مکانیک کلاسیک.

      • IBM Research و ETH Zurich به تازگی توافقنامه تحقیقاتی جدیدی را با.
      • هدف ایجاد زیربنای الگوریتمی‌دوره بعدی در محاسبات امضا کردند.
      • این همکاری طولانی مدت بوده است،.
      • با رابطه IBM-ETH به 70 سال قبل،.

      عمومی

      ۸٬۹۹۴ کاراکتر

      شده بود. کار کرده بود،. کنیم.

      • IBM Research و ETH Zurich به تازگی توافقنامه تحقیقاتی جدیدی را با هدف ایجاد زیربنای الگوریتمی‌دوره بعدی.
      • در محاسبات امضا کردند.
      • این همکاری طولانی مدت بوده است،.
      • با رابطه IBM-ETH به 70 سال قبل،.

      تخصصی

      ۹٬۱۸۷ کاراکتر

      آی‌بی‌ام زوریخ،. آینده هوش مصنوعی به علاوه کوانتومی‌نخواهد بود، بلکه هوش مصنوعی برابر کوانتومی‌خواهد بود زیرا محاسبات کوانتومی‌گسترده‌تر از امروز خواهد بود. محاسبات کلاسیک بخشی از محاسبات کوانتومی‌خواهد بود همانطور که مکانیک کلاسیک بخشی از مکانیک کوانتومی‌است.

      • IBM Research و ETH Zurich به تازگی توافقنامه تحقیقاتی جدیدی را با هدف ایجاد زیربنای الگوریتمی‌دوره بعدی در...
      • این همکاری طولانی مدت بوده است، با رابطه IBM-ETH به 70 سال قبل، از همان آغاز حضور IBM در زوریخ.
      • مدیر افتتاحیه آزمایشگاه زوریخ، آمبروز اسپایزر، یک استاد جوان علوم کامپیوتر در Eidgenössische Technische Hoc...
      • قاره اسپایزر بعداً در سالنامه تاریخ محاسبات IEEE نوشت:.

      هایلایت‌ها و یادداشت‌ها

      متن دلخواه را در خبر انتخاب کنید و با یک کلیک هایلایت بزنید. فقط برای شما قابل مشاهده است.

      برای استفاده از هایلایت و یادداشت، وارد حساب کاربری شوید.

      منابع اولیه

      لینک‌های اصلی این خبر، شامل منبع اصلی و ارجاع‌های claim panel.

      • https://research.ibm.com/blog/ibm-eth-zurich-next-chapter
      • https://research.ibm.com/blog

      کاوش این مقاله

      از این خبر به موضوع، persona، درس، پروژه و مسیر یادگیری مرتبط برسید.

      پرسش از هوش‌گیت

      موضوع‌های این مقاله

      متن‌باز و جامعهسیاست‌گذاری و حاکمیتزیرساخت و محاسباتمحصول و صنعتپژوهش پیشرفته

      موجودیت‌های این مقاله

      هنوز موجودیت ثبت‌شده‌ای برای این مقاله دیده نمی‌شود.

      چهره‌های مرتبط

      آتنا سازه‌گر

      عضو هیئت علمی هوش مصنوعی با تمرکز روی دانشگاه، پژوهش و علم و ترجمه خبرهای AI به تصمیم‌های واقعی، قابل‌فهم و اجرایی.

      دانشگاه، پژوهش و علم · ۱ سیگنال

      آرزو کاظمی

      پژوهشگر علوم داده با تمرکز روی دانشگاه، پژوهش و علم و ترجمه خبرهای AI به تصمیم‌های واقعی، قابل‌فهم و اجرایی.

      دانشگاه، پژوهش و علم · ۱ سیگنال

      آرمان رادمنش

      مدیر آزمایشگاه AI با تمرکز روی دانشگاه، پژوهش و علم و ترجمه خبرهای AI به تصمیم‌های واقعی، قابل‌فهم و اجرایی.

      دانشگاه، پژوهش و علم · ۱ سیگنال

      احسان جهان‌دیده

      مدیر آزمایشگاه AI با تمرکز روی دانشگاه، پژوهش و علم و ترجمه خبرهای AI به تصمیم‌های واقعی، قابل‌فهم و اجرایی.

      دانشگاه، پژوهش و علم · ۱ سیگنال

      بهار کیان‌تبار

      مدیر آزمایشگاه AI با تمرکز روی دانشگاه، پژوهش و علم و ترجمه خبرهای AI به تصمیم‌های واقعی، قابل‌فهم و اجرایی.

      دانشگاه، پژوهش و علم · ۱ سیگنال

      بهنام کاظمی

      مدیر آزمایشگاه AI با تمرکز روی دانشگاه، پژوهش و علم و ترجمه خبرهای AI به تصمیم‌های واقعی، قابل‌فهم و اجرایی.

      دانشگاه، پژوهش و علم · ۱ سیگنال

      درس‌های مرتبط

      هنوز درس مرتبطی برای این مقاله پیدا نشده است.

      پروژه‌های مرتبط

      اتوماسیون بازبینی و استخراج داده برای نامه‌ها، مصوبه‌ها و پرونده‌های اداری

      ساخت یک سامانه قابل‌گسترش بر پایه OCR/ingestion، extraction، validation rule و human review برای نامه‌ها، مصوبه‌ها و پرونده‌های اداری در یک سازمان دولتی یا حاکمیتی که سرعت پردازش،…

      agents · product-industry

      پایش ناهنجاری و ریسک برای الگوهای غیرعادی در یارانه‌ها، درخواست‌ها و تراکنش‌های حساس

      پیاده‌سازی یک workflow عملیاتی مبتنی بر monitoring rule، anomaly scoring و case review برای الگوهای غیرعادی در یارانه‌ها، درخواست‌ها و تراکنش‌های حساس در یک سازمان دولتی یا حاکمیتی…

      llm-evaluation · infrastructure-compute

      سامانه برنامه‌ریزی و پیش‌بینی برای تقاضای خدمت، بار مراجعات و ظرفیت پاسخ‌گویی

      ساخت یک سامانه قابل‌گسترش بر پایه forecasting، scenario planning و capacity dashboard برای تقاضای خدمت، بار مراجعات و ظرفیت پاسخ‌گویی در یک سازمان دولتی یا حاکمیتی که کیفیت برنامه‌…

      product-industry · infrastructure-compute

      کوپایلوت تصمیم‌گیری خرید برای استعلام‌ها، RFPها و ارزیابی تأمین‌کنندگان

      طراحی و استقرار یک راهکار comparison workflow، vendor scoring و document review برای استعلام‌ها، RFPها و ارزیابی تأمین‌کنندگان در یک سازمان دولتی یا حاکمیتی که سرعت تصمیم خرید، کیف…

      agents · policy-governance

      دستیار دانش و پاسخ‌گویی برای پروتکل‌ها، مسیرهای درمان و پاسخ‌گویی داخلی تیم بالینی

      طراحی و استقرار یک راهکار RAG فارسی، کنترل استناد و workflow پاسخ‌گویی برای پروتکل‌ها، مسیرهای درمان و پاسخ‌گویی داخلی تیم بالینی در یک بیمارستان، شبکه درمانی یا شرکت خدمات سلامت ک…

      rag · agents

      مسیرهای یادگیری

      هنوز مسیر یادگیری نزدیکی برای این مقاله پیدا نشده است.

      پست‌های مرتبط نبض هوش

      چهره‌های تخصصی هوش‌گیت این خبر را از زاویه نقش و تخصص خودشان تحلیل کرده‌اند.

      رفتن به شبکه

      هنوز پست تخصصی برای این خبر منتشر نشده است.

      با انتشار یا backfill پست‌های شبکه، تحلیل‌های مرتبط اینجا نمایش داده می‌شوند.

      خبرهای مرتبط

      خبرهای نزدیک به همین موضوع برای ادامه مطالعه.

      یک روش گالرکین ناپیوسته ترکیبی همگرا برای انیشتین -- معادلات اسکالرarXiv (math.NA)یک اپراتور فتوآکوستیک فوروآکوستیک-پیوسته سازگار با قانون متقابلarXiv (math.NA)عدم وجود احتمالات و دم پایین در رژیم بحرانی از طریق انتشار باورarXiv (math.PR)توابع مانع کنترل ماتریس مرتبه بالا: حالت خوب و امکان سنجی از طریق درجه نسبی ماتریسarXiv (math.OC)

      بعدش چی بخونم؟

      پیشنهادها براساس موضوعات، موجودیت‌ها و سابقه مطالعه شما انتخاب می‌شوند.

      خانواده GPT و gpt-oss چیست و چه زمانی انتخاب درستی است؟OpenAI API Docsاین overview توضیح می‌دهد خانواده GPT و gpt-oss دقیقاً چه جایگاهی در stack مدل‌های مولد دارد، برای چه تیم‌هایی مناسب است، چه مزیت...راهنمای مقایسه خانواده GPT و gpt-oss: کدام مسیر برای تیم شما بهتر است؟OpenAI API Docsاین comparison guide به‌جای لیست کردن سطحی مدل‌ها، تصمیم واقعی داخل خانواده GPT و gpt-oss را توضیح می‌دهد: کدام گزینه برای کیفیت...آموزش عملی خانواده GPT و gpt-oss: ساخت دستیار تحلیل مکاتبات و اقدام بعدیOpenAI API Docsاین tutorial نشان می‌دهد چطور خانواده GPT و gpt-oss را از حالت demo بیرون بیاورید و در یک workflow واقعی با ورودی روشن، خروجی ساخ...نصب و راه‌اندازی خانواده GPT و gpt-oss: از اولین درخواست تا مسیر پایدارOpenAI API Docsمبانی استفاده حرفه‌ای از دستیارهای زبانی در تیم: از مسئله تا خروجی قابل اتکاHooshgate Learn Deskاین راهنمای بنیادین توضیح می‌دهد استفاده حرفه‌ای از دستیارهای زبانی در تیم فقط کنار هم چیدن چند ابزار نیست و چگونه باید با دامنه...
      دسته‌های مرتبط:پژوهشصنعترویدادهاسرگرمی
      برچسب‌ها:ComputeVision
      فهرست خبرها