GPU-Accelerated Graph-Colored Simulated Annealing for Integer Factorization
本文提出了一种 GPU 加速的流水线,该流水线通过在 NVIDIA GH200 上利用图着色模拟退火算法求解稀疏伊辛模型,将整数分解映射其上,并结合并行自旋更新与引导式后处理技术,成功分解了 128 位半素数。
2266 篇论文
本文提出了一种 GPU 加速的流水线,该流水线通过在 NVIDIA GH200 上利用图着色模拟退火算法求解稀疏伊辛模型,将整数分解映射其上,并结合并行自旋更新与引导式后处理技术,成功分解了 128 位半素数。
本研究表明,尽管迁移学习显著提升了预训练 GeoAI 模型在跨地理区域进行屋顶太阳能光伏制图方面的性能,但仅凭预测精度不足以保证其部署的可信度,因此有必要建立一个综合评估框架,该框架还需兼顾鲁棒性、可靠性、泛化性、透明度以及残余不确定性。
本文介绍了 AAPS-TLS,这是一个开源的多智能体 AI 框架,它利用大语言模型驱动的推理和强化学习,在云原生环境中实现了近乎完美的预测性证书管理、加密流量异常检测以及自动化策略合规性,并通过严谨的可复现模拟和指示性的生产试点进行了验证。
本文提出了 ALJ,一种用于零信任 Web 部署的混合两层连续身份验证框架,该框架通过使用真实的 ARIMA、LCS、SVM 和 JRip 算法取代了代理模型,并引入了一种安全优先的校准策略,与标准静态阈值相比,显著提高了召回率并降低了攻击者绕过率。
本文提出了 FDC-DETR,这是一个轻量级且增强型 RT-DETR 框架,通过集成傅里叶卷积、动态熵感知注意力以及上下文精细化融合,旨在实现对 CT 图像中肺结节的高精度、实时检测,同时有效抑制背景干扰。
本研究开发了一种结合改进型 YOLOv8s 机器视觉模型进行初步叶蝉损伤筛选,并利用近红外光谱模型对不确定病例进行重新评估的两阶段工作流,实现了对鲜叶茶 89.5% 的综合分级准确率,显著优于单一的视觉评估。
本文提出了一种端到端的框架,该框架通过将轻量级自然语言理解(NLU)模块与目标条件强化学习策略(PPO)及教师-学生蒸馏技术相结合,使四足机器人能够执行自由形式的自然语言指令,并在仿真与真实世界实验中实现了鲁棒、自适应且高能效的运动控制。
本文提出了 Steel-CGA,这是一种基于轻量化 YOLO26s 的检测器,它集成了通道-空间-语义注意力(Channel-Spatial-Semantic Attention)、分组空洞残差融合(Grouped Dilated Residual Fusion)以及自适应下采样(Adaptive Downsampling)模块,旨在显著提高实时钢材表面缺陷检测精度的同时降低计算成本。
本文表明,在复杂网络中,通过策略性地分散多个初始谣言传播者以最小化空间重叠并延迟失活,与传统的基于度数的播种策略相比,能显著增强谣言传播的最终覆盖范围和峰值强度。
本文介绍了 Celerity 运行时中的指令图调度,旨在将复杂的内存和通信分析从多 GPU 系统上 SYCL 程序的关键路径中移出,从而实现并发执行和优化的内存分配,并在高达 128 个 GPU 的规模下实现强扩展性。