.Scientists observe flattest explosion ever seen in space
http://blog.naver.com/mssoms
http://jl0620.blogspot.com
http://jk0620.tripod.com
https://www.facebook.com/junggoo.lee.9
.Scientists observe flattest explosion ever seen in space
과학자들은 우주에서 본 것 중 가장 평평한 폭발을 관찰합니다
셰필드 대학교 슬림붐. 출처: Phil Drury, 셰필드 대학교 MARCH 30, 2023
우리 태양계 크기의 폭발은 과학자들을 당혹스럽게 만들었습니다. 매우 평평한 디스크와 비슷한 모양의 일부가 우주에서의 폭발에 대해 우리가 알고 있는 모든 것에 도전하기 때문입니다. 관찰된 폭발 은 밝은 FBOT(Fast Blue Optical Transient)로, 초신성과 같은 다른 폭발 보다 훨씬 덜 일반적으로 발생하는 극히 드문 종류의 폭발입니다. 최초의 밝은 FBOT는 2018년에 발견되어 "암소"라는 별명을 얻었습니다.
-우주에서 별의 폭발은 별 자체가 구형이기 때문에 거의 항상 구형입니다. 하지만 1억8000만 광년 떨어진 곳에서 발생한 이 폭발은 우주에서 본 것 중 가장 비구면이며 발견된 지 며칠 만에 원반 같은 모양이 나타났다. 폭발의 이 부분은 별이 폭발하기 직전에 별이 흘린 물질에서 나온 것일 수 있습니다. FBOT 폭발이 얼마나 밝은지는 아직 불분명하지만 왕립 천문 학회의 월간 고지 에 발표된 이 관찰이 우리를 이해에 더 가까이 데려다 줄 것으로 기대됩니다.
University of Sheffield 물리학 및 천문학과 연구의 수석 저자인 Justyn Maund 박사는 "FBOT 폭발에 대해 알려진 것은 거의 없습니다. 폭발하는 별처럼 행동하지 않고 너무 밝고 진화합니다. 너무 빨리. 간단히 말해서, 그들은 이상하고, 이 새로운 관찰은 그들을 더욱 이상하게 만듭니다." "이 새로운 발견이 우리가 그들에 대해 좀 더 많은 것을 밝히는 데 도움이 되기를 바랍니다. 우리는 폭발이 이렇게 비구면일 수 있다고는 결코 생각하지 못했습니다. 그것에 대한 몇 가지 잠재적인 설명이 있습니다. 관련된 별들이 죽기 직전에 원반을 만들었거나 별의 핵이 블랙홀이나 중성자별로 붕괴하여 별의 나머지 부분을 먹어 치우는 실패한 초신성입니다." "우리가 지금 확실히 알고 있는 것은 기록된 비대칭 수준이 이 신비한 폭발을 이해하는 데 중요한 부분이며 우주에서 별이 어떻게 폭발할 수 있는지에 대한 우리의 선입견에 도전한다는 것입니다." 과학자들은 완전히 우연히 편광된 빛의 섬광을 발견한 후 발견했습니다. 그들은 라 팔마에 위치한 리버풀 망원경(리버풀 존 무어스 대학교 소유)을 사용하여 천문학적으로 폴라로이드 선글라스와 같은 것을 사용하여 폭발의 편광을 측정할 수 있었습니다.
편광을 측정함으로써 그들은 폭발의 형태를 측정할 수 있게 되었고, 1억 8천만 광년 떨어진 은하에서 우리 태양계 크기의 무언가를 효과적으로 볼 수 있었습니다. 그런 다음 데이터를 사용하여 폭발의 3D 모양을 재구성하고 폭발의 가장자리를 매핑하여 폭발이 얼마나 평평한지 확인할 수 있었습니다. 리버풀 망원경의 거울은 직경이 2.0m에 불과하지만 편광을 연구함으로써 천문학자들은 망원경의 직경이 약 750km인 것처럼 폭발의 형태를 재구성할 수 있었습니다.
연구원들은 이제 칠레에 있는 국제 Vera Rubin Observatory와 함께 새로운 조사를 수행할 예정이며, 이를 통해 더 많은 FBOT를 발견하고 이를 더 잘 이해하는 데 도움이 될 것으로 예상됩니다. 추가 정보: Justyn R Maund 외, 비구면 '암소'를 가리키는 편광 광학 빛의 섬광, 왕립 천문 학회 월간 고지 (2023). DOI: 10.1093/mnras/stad539 저널 정보: 왕립천문학회 월간 고지 셰필드 대학교 제공
https://phys.org/news/2023-03-scientists-flattest-explosion-space.html
====================================
메모 2303311933 나의 사고실험 oms 스토리텔링
우주에서 별의 폭발은 별 자체가 구형이기 때문에 거의 항상 구형이다. 하지만 1억8000만 광년 떨어진 곳에서 발생한 이 폭발은 우주에서 본 것 중 가장 비구면이며 발견된 지 며칠 만에 원반 같은 모양이 나타났다. 그 원반은 수축원형.banQ로 생겨난 것이다.
banQ의 정의역()은 광범위하다. 샘플링 oss.base.max의 반의어 개념으로 반중성자, 반중간자, 반중력,반약력, 반전자기력 등등 역작용 개념으로 빅뱅이전의 마이너스 상태 물질들을 정의하는데 사용된다. 이는 전체의 많은 부분들이 역작용 개념의 수축, 압축, 감퇴, 상쇄으로 인한 zerosum상태를 연구 대상으로 하는 새로운 거대한 영역이다.
예를들어 10명의 인원이 있는 곳에 새로 들어간 인원 2명이 있고 다시 10명을 유지하려고 2명을 뺀다면 무작위성 2명의 순열조합이 나타난다. 이때의 뺀 사람들은 banQ 조합에 의해 선택된 사람들이다. 이런 식으로 우주가 빅뱅으로 인하여 확장되었고 다시 수축한다면 banQ가 작동된 샘플링 oss.base.max의 거대한 우주적 필라멘트웹 공극의 부분집합들은 연상 시키는 것이다. 허허.
- Explosions of stars in space are almost always spherical because the stars themselves are spherical. But the explosion, which occurred 180 million light-years away, is the most aspheric the universe has ever seen, and within days of its discovery, the disk-like shape appeared. This part of the explosion may have come from material the star shed just before it exploded. It's still unclear how bright the FBOT explosion is, but hopefully this observation, published in Monthly Notices of the Royal Astronomical Society, will bring us closer to understanding.
====================================
memo 2303311933 my thought experiment oms storytelling
Stellar explosions in space are almost always spherical because stars themselves are spherical. But the explosion, which occurred 180 million light-years away, is the most aspheric the universe has ever seen, and within days of its discovery, the disk-like shape appeared. The disk was created as a shrinking circle.banQ.
The domain ( ) of banQ is broad. As the antonym of sampling oss.base.max, it is used to define negative state materials before the Big Bang with the inverse concept of anti-neutron, anti-mestron, anti-gravity, anti-weak force, reverse magnetism, etc. This is a new huge field in which many parts of the whole study the zerosum state due to the contraction, compression, decay, and cancellation of the concept of counteraction.
For example, if there are 10 people, there are 2 new people, and 2 people are subtracted to maintain 10 people again, a permutation combination of 2 random people appears. The subtracted people at this time are the people selected by the banQ combination. In this way, if the universe expands due to the Big Bang and then contracts again, it is reminiscent of subsets of the voids in the gigantic cosmic filamentweb of the banQ-operated sampling oss.base.max. haha.
samplea.oms.base (standard)
b0acfd 0000e0
000ac0 f00bde
0c0fab 000e0d
e00d0c 0b0fa0
f000e0 b0dac0
d0f000 cae0b0
0b000f 0ead0c
0deb00 ac000f
ced0ba 00f000
a0b00e 0dc0f0
0ace00 df000b
0f00d0 e0bc0a
sampleb. qoms.base (standard)
0000000011=2,0
0000001100
0000001100
0000010010
0001100000
0101000000
0010010000
0100100000
2000000000
0010000001
sampleb.poms.base (standard)
q0000000000
00q00000000
0000q000000
000000q0000
00000000q00
0000000000q
0q000000000
000q0000000
00000q00000
0000000q000
000000000q0
samplec.oss.base (standard)
zxdxybzyz
zxdzxezxz
xxbyyxzzx
zybzzfxzy
cadccbcdc
cdbdcbdbb
xzezxdyyx
zxezybzyy
bddbcbdca
-------------------------------------------------- --------
view1. 4ms.obase.constant
01020304_0203
05060608_05
09101112_09
13141516
() view2.qoms.vix.smola
()|>x7.11.srgA*.2
2000
0011
0101
0110
It shows what is expected to happen in 2036 when X7.11 comes closest to Sgr A*.2. 0 gives four positions where 11 becomes a constant. In 2036, the celestial body appears in a momentary variety of 4base.image after 4 large flashes are formed.
In this way, I myself discovered in the early 1980s that the images were 672 stamps.
.Pictures inside a cell: Researchers develop new tool to provide greater insight into biological processes
세포 내부 사진: 연구자들은 생물학적 과정에 대한 더 나은 통찰력을 제공하는 새로운 도구를 개발합니다
서던 캘리포니아 대학교 그래픽 요약. 크레딧: 세포 보고 방법 (2023). DOI: 10.1016/j.crmeth.2023.100441,MARCH 31, 2023
USC Michelson Center for Convergent Bioscience 소속 연구원들이 개발한 획기적인 기술은 기록적인 시간 내에 유기 조직에 대한 매우 상세한 정보를 수집하고 구성하는 새로운 방법을 제시합니다. 이 방법은 언젠가 암 치료에서 조직 생검을 빠르게 처리하거나 식품 가공 공장에서 박테리아를 탐지하는 데 사용될 수 있습니다.
-조직은 감지할 수 있지만 매우 약하고 구별하기 어려운 신호 또는 고유 필드를 방출합니다. Nature Methods 및 Cell Reports Methods 에 게재된 한 쌍의 논문에 자세히 설명된 이 기술은 복잡한 수학적 알고리즘을 사용하여 신호의 품질을 개선한 다음 신호를 분리합니다.
USC Viterbi 공과대학의 공동 연구 책임자이자 연구 조교수인 Francesco Cutrale에 따르면 이 새로운 기술은 스트리밍 서비스가 사용자의 인터넷 연결에 관계없이 비디오가 일관되도록 다양한 수준의 압축을 제공하는 방법과 유사합니다. "연결 속도에 따라 스트리머는 다양한 압축 수준으로 비디오를 전송한 다음 장치에 맞게 최적으로 재구성됩니다."라고 그는 말했습니다. "우리는 비슷한 일을 하고 있습니다. 매우 크고 매우 복잡한 데이터를 압축된 공간으로 옮기고 있습니다. 그런 다음 유사성에 의해 막대한 히스토그램으로 연결된 매우 큰 데이터 세트를 보고 이를 분석할 수 있습니다. 기록적인 시간에 매우 높은 감도로 데이터를 제공합니다."
심장이 뛰는 제브라피시 배아의 SHy-Cam 생성 이미지가 20fps로 캡처되었습니다. 크레딧: 서던 캘리포니아 대학교 세포와 유기 조직의 복잡성을 들여다보는 창 올해 초 Nature Methods 에서 자세히 설명된 이 알고리즘은 형광을 활용하는 고함량 이미징 접근법의 최근 개선을 계속합니다. 높은 콘트라스트와 특이성, 적응성 덕분에 형광은 특정 분자를 감지하고 정의할 수 있게 했습니다.
그러나 이러한 새로운 기술은 이러한 접근 방식이 감도가 제한적이고 표본을 손상시킬 수 있기 때문에 라이브 또는 생체 내 샘플 이미징에는 작동하지 않습니다. 논문에서 연구팀은 Hybrid Unmixing이라는 기술을 사용하여 살아있는 유기 조직을 깨끗하고 효율적으로 분석하는 방법을 보여주었습니다. 이 기술은 선형 비혼합(linear unmixing)을 사용합니다. 이 방법은 형광단(fluorophores)이라는 화합물로 표시된 표본 내의 다양한 구성 요소를 분석하는 방법입니다.
-그런 다음 빨간색, 파란색 및 녹색만 사용하는 대신 전체 색상 스펙트럼을 사용하는 하이퍼스펙트럼 페이저를 사용하여 이러한 구성 요소를 시각화합니다. 그렇게 함으로써 Hybrid Unmixing은 낮은 조명에서도 유기 조직 내에서 밝은 라벨 구성 요소와 희미한 라벨 구성 요소를 동시에 이미징할 수 있습니다. 이러한 표지된 구성 요소의 세포 행동 및 세포 대사에 대한 동시 분석을 허용하는 이 기술은 생물학적 시스템의 복잡성에 대한 보다 정확한 통찰력을 제공할 것입니다.
"복잡한 생물학적 시스템을 이해하기 위한 연구 공간이 추진되고 있습니다."라고 Cutrale은 말했습니다. "연구원들은 일반적으로 한 번에 2개 또는 3개의 레이블만 검사하지만 사실은 세포 내에서 상호 작용하는 요소가 몇 개 이상이라는 것입니다. 문제는 이러한 신호가 종종 매우 유사하게 나타나 구별하기 어렵다는 것입니다.
우리 논문에서, 우리는 최대 14개의 서로 다른 신호를 성공적으로 식별하고 분리했습니다. 이 돌파구는 연구자에게 세포 및 생물학적 시스템 내부의 활동에 대한 보다 포괄적인 이해를 제공할 것입니다." 이 알고리즘은 업계 관점에서 수많은 응용 프로그램의 기반을 제공한다고 Cutrale은 말했습니다. "우리는 생명 과학 분야에서 일하지만 과일의 품질, 살충제의 존재 또는 다른 많은 분야에서 생산을 최적화하는 방법을 평가하기 위한 수많은 응용 프로그램을 상상하기 쉽습니다."라고 그는 말했습니다. SHy-Cam은 저비용 고품질 이미징 도구를 제공합니다. 오늘 Cell Reports Methods 에 발표된 후속 논문에서는 이러한 유형의 정보를 캡처하도록 최적화된 연구팀이 설계한 하드웨어(Single-shot Hyperspectral Phasor Camera의 줄임말인 SHy-Cam)에 대해 설명합니다. 형광을 활용하는 일반적인 조직 이미징 기술은 스펙트럼 전체에서 색상 채널을 사용하여 라벨 간의 중첩을 보상합니다. 이 기술은 이미징 속도를 줄이고 과도한 빛에 노출될 경우 궁극적으로 샘플을 손상시킬 수 있습니다. 연구원들은 SHy-Cam을 통해 새로운 알고리즘을 사용하여 이미 사용 가능한 광학 부품으로 제작할 수 있는 카메라에서 스펙트럼 정보를 빠르고 효율적으로 얻을 수 있었습니다. 백서에 설명된 새로운 장비는 80% 이상의 광자 효율로 초당 30개의 데이터 세트를 수집할 수 있습니다. 이것은 다중 색상, 생체 내 이미징을 위한 강력한 도구가 된다고 연구원들은 말했습니다.
Cutrale은 "2D 센서로 2차원 사진을 어떻게 생성합니까? 사진을 찍습니다."라고 말했습니다. "우리의 과제는 2D 센서로 3D 데이터 세트를 캡처하는 방법입니다. 일반적인 컬러 센서는 빨강, 파랑 및 녹색의 세 가지 색상을 획득하거나 회색조 센서를 통해 모든 것을 수신합니다. "우리의 경우, 우리는 42개의 정보 채널을 요청해야 합니다. 이는 일반적이지 않으며 효율적이지 않습니다. 이 백서에서 단일 이미지로 인코딩된 스펙트럼 정보 버전을 얻을 수 있는 새로운 접근 방식을 설계했습니다." Cutrale은 빛을 이용하여 이를 수행한다고 말했습니다.
-팀은 빛을 이용하여 정보를 변환하고 센서에 압축하기 전에 계산을 수행하는 데 사용했습니다. 이 접근 방식을 사용하여 팀은 이미지의 전체 스펙트럼과 차원을 수신할 수 있는 방법을 보여주었습니다. "우리는 표준 카메라로 이미지의 X축과 Y축(높이와 너비)과 파장 축의 스펙트럼 정보를 모두 함께 단일 이미지로 캡처했습니다. " 라고 그는 말했습니다. "그것은 매우 강력한 접근 방식입니다.
우리는 이 하드웨어 접근 방식에서 어떤 경우에는 기존 계측보다 최대 8배 더 빠른 효율성을 얻었습니다. 즉, 이 압축된 방식으로 카메라 센서에 8배 더 많은 빛이 도달합니다."
추가 정보: Francesco Cutrale, 빠른 다색 형광 현미경을 위한 단일 샷 초분광 페이저 카메라, Cell Reports Methods (2023). DOI: 10.1016/j.crmeth.2023.100441 . www.cell.com/cell-reports-meth … 2667-2375(23)00056-5 Hsiao Ju Chiang 외, HyU: 낮은 신호 대 잡음 형광의 종방향 생체 내 이미징을 위한 하이브리드 비혼합, Nature Methods (2023). DOI: 10.1038/s41592-022-01751-5 저널 정보: Nature Methods , Cell Reports Methods 서던캘리포니아대학교 제공
https://phys.org/news/2023-03-pictures-cell-tool-greater-insight.html
============================
메모 2304010506 나의 사고실험 oms 스토리텔링
광학적인 시스템은 거의 내부공간의 미세공간을 연구하는데 집중되고 있다. 그내부는 샘플링 oss.base을 함의한다. 수학적인 배열이기에
어떤 기술은 복잡한 수학적 알고리즘을 사용하여 신호의 품질을 개선한 다음 신호를 분리해야 한다. 외부로 부터 만족스런 magicsum의 신호를 요구받기도 하리라. 허허
물론, 내부의 주요부분들은 복잡한 생물학적 시스템을 이해하기 위한 연구 공간, 상수찾기들이 추진되고 있다. 팀은 빛을 이용하여 정보를 변환하고 센서에 압축하기 전에 계산을 수행하는 데 사용했다. 이 접근 방식을 사용하여 팀은 이미지의 전체 oms 스펙트럼과 차원을 수신할 수 있는 방법을 보여주었다. 허허.
일련의 내부적인 복잡계를 이미징하는 문제가 생물학적 시스템 뿐이겠나 싶다. 우주 전체에서 보면 샘플링 oss.base.max,banQ 현상은 생물학적인 움직임의 진행형이다. 이것은 이미징하면 은하단이나 내년 수천만개의 블랙홀의 중력파 발생을 이해하는데 도움을 줄 수 있다. 중성미자가 매초 인체를 수천억개 통과하는 장관도 시각화 할 수도 있다. 허허.
-Tissues emit signals or intrinsic fields that can be detected but are very weak and difficult to distinguish. The technique, detailed in a pair of papers published in Nature Methods and Cell Reports Methods, uses complex mathematical algorithms to improve the quality of the signal and then isolate the signal.
According to Francesco Cutrale, co-director of research and research assistant professor at the USC Viterbi School of Engineering, the new technology is similar to how streaming services offer different levels of compression to ensure that video is consistent regardless of the user's Internet connection. “Depending on the speed of your connection, the streamer sends the video at different compression levels and then reconstructs it optimally for your device,” he said. “We are doing something similar.
-You are moving very large and very complex data into a compressed space. You can then view and analyze very large data sets linked by similarity in huge histograms. It provides data with very high sensitivity in record time.”
- Then visualize these components using a hyperspectral phasor that uses the entire color spectrum instead of just red, blue and green. In doing so, Hybrid Unmixing enables simultaneous imaging of brightly and dimly-labeled components within organic tissue, even in low light. Allowing simultaneous analysis of cellular behavior and cellular metabolism of these labeled components, this technique will provide more precise insight into the complexity of biological systems.
“The research space to understand complex biological systems is being driven,” said Cutrale. “Researchers typically examine only two or three labels at a time, but the truth is that there are more than a few interacting elements within a cell. The problem is that these signals often appear very similar, making it difficult to tell them apart.
-The team used light to convert information and perform calculations before compressing it into a sensor. Using this approach, the team demonstrated how it can receive the full spectrum and dimension of an image. "We captured the image's X and Y axes (height and width) and the spectral information along the wavelength axis all together in a single image with a standard camera," he said. “It's a very powerful approach.
============================
memo 2304010506 my thought experiment oms storytelling
Optical systems are mostly focused on studying the microspace of the interior space. Inside it implies sampling oss.base. Since it is a mathematical arrangement,
some techniques use complex mathematical algorithms to improve the signal quality and then separate the signals. You may be asked for a satisfactory magicsum signal from the outside. heh heh
Of course, the main parts of the interior are being pursued as a research space for understanding complex biological systems, constant search. The team used the light to convert information and perform calculations before compressing it into a sensor. Using this approach, the team showed how it can receive the full oms spectrum and dimension of an image. haha.
I wonder if the problem of imaging a series of internal complex systems is only in biological systems. Looking at the universe as a whole, the sampling oss.base.max,banQ phenomenon is a progression of biological motion. Imaging this could help us understand gravitational wave generation in clusters of galaxies or tens of millions of black holes over the next year. You can also visualize the spectacle of hundreds of billions of neutrinos passing through the human body every second. haha.
samplea.oms.base (standard)
b0acfd 0000e0
000ac0 f00bde
0c0fab 000e0d
e00d0c 0b0fa0
f000e0 b0dac0
d0f000 cae0b0
0b000f 0ead0c
0deb00 ac000f
ced0ba 00f000
a0b00e 0dc0f0
0ace00 df000b
0f00d0 e0bc0a
sampleb. qoms.base (standard)
0000000011=2,0
0000001100
0000001100
0000010010
0001100000
0101000000
0010010000
0100100000
2000000000
0010000001
sampleb.poms.base (standard)
q0000000000
00q00000000
0000q000000
000000q0000
00000000q00
0000000000q
0q000000000
000q0000000
00000q00000
0000000q000
000000000q0
samplec.oss.base (standard)
zxdxybzyz
zxdzxezxz
xxbyyxzzx
zybzzfxzy
cadccbcdc
cdbdcbdbb
xzezxdyyx
zxezybzyy
bddbcbdca
-------------------------------------------------- --------
view1. 4ms.obase.constant
01020304_0203
05060608_05
09101112_09
13141516
() view2.qoms.vix.smola
()|>x7.11.srgA*.2
2000
0011
0101
0110
It shows what is expected to happen in 2036 when X7.11 comes closest to Sgr A*.2. 0 gives four positions where 11 becomes a constant. In 2036, the celestial body appears in a momentary variety of 4base.image after 4 large flashes are formed.
In this way, I myself discovered in the early 1980s that the images were 672 stamps.
.An architecture that combines deep neural networks and vector-symbolic models
심층 신경망과 벡터 기호 모델을 결합한 아키텍처
Tech Xplore의 Ingrid Fadelli 작성 신경 벡터 기호 아키텍처의 예술적 그림입니다. 신용: Hersche 외 MARCH 30, 2023
IBM Research Zürich와 ETH Zürich의 연구원들은 최근 가장 유명한 두 가지 인공 지능 접근 방식, 즉 심층 신경망과 벡터 기호 모델을 결합한 새로운 아키텍처를 만들었습니다. Nature Machine Intelligence 에 제시된 그들의 아키텍처는 이러한 접근 방식의 한계를 극복하여 점진적 행렬 및 기타 추론 작업을 보다 효과적으로 해결할 수 있습니다. 연구를 수행한 연구원 중 한 명인 압바스 라히미(Abbas Rahimi)는 Tech Xplore와의 인터뷰에서 "우리의 최근 논문은 벡터 기호 아키텍처(VSA)의 강력한 기계를 사용하여 신경망을 강화하고 향상시키는 것을 목표로 하는 초기 연구 작업을 기반으로 합니다."라고 말했습니다.
"이 조합은 이전에 소수 학습 및 소수 연속 학습 작업 에 적용되어 더 낮은 계산 복잡성으로 최첨단 정확도를 달성했습니다. 최근 논문에서 우리는 이 개념을 인식을 넘어 시각적 추상 추론 작업, 특히 Raven의 점진적 행렬로 알려진 널리 사용되는 IQ 테스트를 해결합니다." Raven의 점진적 매트릭스는 일반적으로 사람들의 IQ 및 추상적인 추론 능력을 테스트하는 데 사용되는 비언어적 테스트입니다. 하나 이상의 항목이 누락된 세트로 제시된 일련의 항목으로 구성됩니다.
-Raven의 누진 행렬을 풀기 위해 응답자는 몇 가지 가능한 선택 중에서 주어진 세트에서 누락된 항목을 올바르게 식별해야 합니다. 이를 위해서는 모양, 크기, 색상 또는 기타 기능과 관련될 수 있는 개체 간의 추상적인 관계를 감지할 수 있는 것과 같은 고급 추론 기능이 필요합니다. Rahimi와 그의 동료들이 개발한 신경 벡터 기호 아키텍처 (NVSA)는 인지 작업을 잘 수행하는 것으로 알려진 심층 신경망과 VSA 기계를 결합합니다. VSA는 분산된 고차원 벡터를 사용하여 기호 계산을 수행하는 고유한 계산 모델입니다. Rahimi는 "우리의 접근 방식이 뉴로 심볼릭 AI 접근 방식처럼 들릴 수 있지만 뉴로 심볼릭 AI는 개별 딥 러닝과 기존의 심볼릭 AI 구성 요소의 한계를 물려받았습니다."라고 설명했습니다.
"우리의 주요 목표는 신경 구성 요소와 기호 구성 요소 간의 공통 언어를 사용하여 NVSA에서 이러한 제한 사항, 즉 신경 결합 문제 및 철저한 검색을 해결하는 것입니다." 팀의 심층 신경망과 VSA 조합은 두 가지 주요 아키텍처 설계 기능에 의해 지원되었습니다. 여기에는 새로운 신경망 교육 프로세스와 VSA 변환을 수행하는 방법이 포함됩니다. Rahimi는 "우리는 우리 아키텍처의 핵심 인에이블러 두 가지를 개발했습니다."라고 말했습니다. "첫 번째는 VSA에 대한 유연한 표현 학습 수단으로 새로운 신경망 훈련 방법을 사용하는 것입니다. 두 번째는 철저한 확률 계산 및 검색을 VSA에서 더 간단한 대수 연산으로 대체할 수 있도록 적절한 VSA 변환을 달성하는 방법입니다.
벡터 공간." 초기 평가에서 Rahimi와 그의 동료들이 개발한 아키텍처는 과거에 개발된 다른 아키텍처보다 Raven의 누진 행렬을 더 빠르고 효율적으로 해결하는 매우 유망한 결과를 얻었습니다. 특히 최신 심층 신경망 및 신경 기호 AI 접근 방식보다 성능이 우수하여 RAVEN 데이터 세트에서 87.7%, I-RAVEN 데이터 세트에서 88.1%의 새로운 기록 정확도를 달성했습니다. Rahimi는 "Raven 테스트를 해결하려면 테스트에 대한 사전 배경 지식으로 정의된 공간에서 솔루션을 검색하는 프로세스인 확률적 납치라는 것이 필요합니다."라고 말했습니다. "이전 지식은 Raven 테스트를 지배할 수 있는 모든 가능한 규칙 구현을 설명하여 상징적 형태로 표현됩니다. 순전히 상징적 추론 접근 방식은 모든 유효한 조합을 거쳐 규칙 확률을 계산하고 합산해야 합니다.
이 검색은 전산적 검색이 됩니다. 테스트할 수 없는 많은 수의 조합으로 인해 큰 검색 공간에서 병목 현상이 발생합니다." 기존 아키텍처와 달리 NVSA는 단일 벡터 작업에서 광범위한 확률 계산을 수행할 수 있습니다. 이를 통해 Raven의 점진적 행렬과 같은 추상 추론 및 유추 관련 문제를 심층 신경망 또는 VSA 단독 기반의 다른 AI 접근 방식보다 빠르고 정확하게 해결할 수 있습니다 . Rahimi 는 "우리의 접근 방식은 신경 바인딩 문제를 해결하여 단일 신경망이 한 장면에서 동시에 여러 객체의 고유한 속성을 개별적으로 인식할 수 있도록 합니다 . "라고 말했습니다.
-"전반적으로 NVSA는 투명하고 빠르며 효율적인 추론을 제공합니다. 이는 확률적 추론(순수한 논리적 추론의 업그레이드)이 VSA의 분산 표현 및 연산자에 의해 어떻게 효율적으로 수행될 수 있는지를 보여주는 첫 번째 예입니다. 신경 기호 접근 방식에서 NVSA의 확률론적 추론은 분산 표현에 대한 작업 비용이 적게 들고 두 배 더 빠릅니다." 이 팀이 만든 새로운 아키텍처는 지금까지 복잡한 추론 작업을 효율적이고 신속하게 해결하는 데 매우 유망한 것으로 입증되었습니다. 미래에는 다양한 다른 문제에 테스트하고 적용할 수 있으며 잠재적으로 다른 유사한 접근 방식의 개발에 영감을 줄 수 있습니다. 라히미는 "NVSA는 인식과 상위 수준의 추론이 관련된 작업을 처리하기 위해 통합 프레임워크에 다양한 AI 패러다임을 캡슐화하는 중요한 단계 "라고 덧붙였다. "흥미롭게도 NVSA는 이미 보이지 않는 다양한 개체 및 개체 특성 조합에 대한 일반화 정도를 보여주었습니다. 이 방향으로의 추가 일반화는 여전히 열려 있는 문제입니다."
추가 정보: Michael Hersche 외, Raven의 프로그레시브 행렬을 해결하기 위한 신경 벡터 기호 아키텍처, Nature Machine Intelligence (2023). DOI: 10.1038/s42256-023-00630-8 저널 정보: Nature Machine Intelligence
https://techxplore.com/news/2023-03-architecture-combines-deep-neural-networks.html
============================
메모 2304010506 나의 사고실험 oms 스토리텔링
인공지능이 어디까지 진화하고 있는지 가늠하는 아키텍처가 소개됐다.
심층 신경망과 VSA 기계를 결합한 것으로 보이지 않는 블랙홀 qoms.2vix, oss,base.big-reverse action.banQ에 대해서도 추론이 가능한 모양이다. 허허.
연구원들은 최근 가장 유명한 두 가지 인공 지능 접근 방식, 즉 심층 신경망과 벡터 기호 모델을 결합한 새로운 아키텍처를 만들었다. 신경 벡터 기호 아키텍처 (NVSA)는 인지 작업을 잘 수행하는 것으로 알려진 심층 신경망과 VSA 기계를 결합한다. VSA는 분산된 고차원 벡터를 사용하여 기호 계산을 수행하는 고유한 계산 모델이다. NVSA는 인식과 상위 수준의 추론이 관련된 작업을 처리하기 위해 통합 프레임워크에 다양한 AI 패러다임을 캡슐화하는 중요한 단계이다. 흥미롭게도 NVSA는 이미 보이지 않는 다양한 개체 및 개체 특성 조합에 대한 일반화 정도를 보여주었다.
-Researchers at IBM Research Zürich and ETH Zürich recently created a new architecture that combines two of the most popular artificial intelligence approaches: deep neural networks and vector symbolic models. Their architecture, presented in Nature Machine Intelligence, overcomes the limitations of these approaches, enabling them to solve progressive matrices and other inference tasks more effectively. Abbas Rahimi, one of the researchers who conducted the study, told Tech Xplore, "Our recent paper is an initial study aimed at strengthening and improving neural networks using powerful machines in the vector symbol architecture (VSA). It is based on research work,” he said.
-To solve Raven's progressive matrix, the responder must correctly identify the missing item from a given set among several possible choices. This requires advanced reasoning capabilities, such as being able to detect abstract relationships between objects that may be related to shape, size, color, or other features. The neural vector symbol architecture (NVSA) developed by Rahimi and his colleagues combines VSA machines with deep neural networks known to perform well on cognitive tasks. VSA is a unique computational model that uses distributed high-dimensional vectors to perform symbolic computation. “While our approach may sound like a neuro-symbolic AI approach, neuro-symbolic AI inherits the limitations of discrete deep learning and traditional symbolic AI components,” Rahimi explained.
-"Overall, NVSA provides transparent, fast, and efficient inference. This is the first example of how probabilistic inference (an upgrade from pure logical inference) can be efficiently performed by VSA's distributed representations and operators. Nervous In the symbolic approach, NVSA's probabilistic inference is twice as fast with less work on distributed representations." The new architecture created by this team has thus far proven very promising for solving complex inference tasks efficiently and quickly. In the future, it can be tested and applied to a variety of other problems, potentially inspiring the development of other similar approaches. “NVSA is an important step towards encapsulating different AI paradigms in a unified framework to handle tasks involving perception and higher-level reasoning,” Rahimi added. "Interestingly, NVSA has already demonstrated the degree of generalization to a wide range of invisible objects and combinations of object attributes. Further generalization in this direction remains an open question."
============================
memo 2304010506 my thought experiment oms storytelling
An architecture was introduced to gauge how far artificial intelligence is evolving.
It seems that it is possible to infer about black holes qoms.2vix, oss,base.big-reverse action.banQ, which do not seem to combine deep neural networks and VSA machines. haha.
Researchers recently created a new architecture that combines two of the most popular artificial intelligence approaches: deep neural networks and vector symbolic models. The neural vector symbol architecture (NVSA) combines VSA machines with deep neural networks known to perform well on cognitive tasks. VSA is a unique computational model that performs symbolic computation using distributed high-dimensional vectors. NVSA is an important step towards encapsulating various AI paradigms in a unified framework to handle tasks involving perception and higher-level reasoning. Interestingly, NVSA already showed a degree of generalization for a variety of unseen entities and combinations of entity traits.
samplea.oms.base (standard)
b0acfd 0000e0
000ac0 f00bde
0c0fab 000e0d
e00d0c 0b0fa0
f000e0 b0dac0
d0f000 cae0b0
0b000f 0ead0c
0deb00 ac000f
ced0ba 00f000
a0b00e 0dc0f0
0ace00 df000b
0f00d0 e0bc0a
sampleb. qoms.base (standard)
0000000011=2,0
0000001100
0000001100
0000010010
0001100000
0101000000
0010010000
0100100000
2000000000
0010000001
sampleb.poms.base (standard)
q0000000000
00q00000000
0000q000000
000000q0000
00000000q00
0000000000q
0q000000000
000q0000000
00000q00000
0000000q000
000000000q0
samplec.oss.base (standard)
zxdxybzyz
zxdzxezxz
xxbyyxzzx
zybzzfxzy
cadccbcdc
cdbdcbdbb
xzezxdyyx
zxezybzyy
bddbcbdca
-------------------------------------------------- --------
view1. 4ms.obase.constant
01020304_0203
05060608_05
09101112_09
13141516
() view2.qoms.vix.smola
()|>x7.11.srgA*.2
2000
0011
0101
0110
It shows what is expected to happen in 2036 when X7.11 comes closest to Sgr A*.2. 0 gives four positions where 11 becomes a constant. In 2036, the celestial body appears in a momentary variety of 4base.image after 4 large flashes are formed.
In this way, I myself discovered in the early 1980s that the images were 672 stamps.
댓글