تواصل معنا

الذكاء الاصطناعي

النمو المستقبلي لـ AI و ML

الصورة الرمزية

تم النشر

on

النمو المستقبلي للذكاء الاصطناعي والتعلم الآلي

By راشيل روميليوتيس

لقد توصلنا جميعًا إلى حقيقة أن الذكاء الاصطناعي (AI) يعمل على تغيير كيفية عمل الشركات وإلى أي مدى يمكن أن يساعد الأعمال التجارية على المدى الطويل. على مدى السنوات القليلة الماضية ، أدى هذا الفهم إلى ارتفاع حاد في الشركات التي تقوم بتجربة وتقييم تقنيات الذكاء الاصطناعي والتي تستخدمها الآن على وجه التحديد في عمليات نشر الإنتاج.

بالطبع ، عندما تتبنى المؤسسات تقنيات جديدة مثل الذكاء الاصطناعي والتعلم الآلي (ML) ، فإنها تبدأ تدريجياً في النظر في كيفية تأثر المجالات الجديدة بالتكنولوجيا. يمكن أن يشمل ذلك قطاعات متعددة ، بما في ذلك الإنتاج واللوجستيات والتصنيع وتكنولوجيا المعلومات وخدمة العملاء. بمجرد أن يصبح استخدام تقنيات الذكاء الاصطناعي والتعلم الآلي متأصلًا في كيفية عمل الشركات والطرق المختلفة التي يمكن استخدامها بها ، ستتمكن المؤسسات من اكتساب معرفة جديدة ستساعدها على التكيف مع الاحتياجات المتطورة.

من خلال الخوض في منصة التعلم الخاصة بـ O'Reilly ، يمكن اكتشاف مجموعة متنوعة من المعلومات حول الاتجاهات والموضوعات المختلفة التي يحتاج قادة التكنولوجيا والأعمال إلى معرفتها. سيسمح لهم ذلك بفهم وظائفهم بشكل أفضل وسيضمن استمرار ازدهار أعمالهم.

على مدار الأشهر القليلة الماضية ، قمنا بتحليل استخدام مستخدم النظام الأساسي واكتشفنا الموضوعات الأكثر شيوعًا والأكثر بحثًا في الذكاء الاصطناعي والتعلم الآلي. سنستكشف بعضًا من أهم الاكتشافات أدناه والتي تعطينا صورة أوسع لمكان وجود حالة الذكاء الاصطناعي والتعلم الآلي ، وفي النهاية ، إلى أين تتجه.

الذكاء الاصطناعي يفوق النمو في ML

أولاً وقبل كل شيء ، سلط تحليلنا الضوء على مدى استمرار نمو الاهتمام بالذكاء الاصطناعي. عند المقارنة بين 2018 و 2019 ، زادت المشاركة في الذكاء الاصطناعي بنسبة 58٪ - متجاوزة بكثير النمو في موضوع التعلم الآلي الأكبر ، والذي زاد بنسبة 5٪ فقط في عام 2019. عند تجميع جميع موضوعات الذكاء الاصطناعي والتعلم الآلي ، يمثل هذا ما يقرب من 5٪ من جميع الاستخدامات النشاط على المنصة.

في حين أن هذا أقل بقليل من الموضوعات عالية المستوى والراسخة مثل هندسة البيانات (8٪ من نشاط الاستخدام) وعلوم البيانات (5٪ من نشاط الاستخدام) ، إلا أن الاهتمام بهذه الموضوعات نما بنسبة 50٪ أسرع من علم البيانات. انخفضت هندسة البيانات في الواقع بنسبة 8 ٪ تقريبًا خلال نفس الوقت بسبب انخفاض المشاركة في موضوعات إدارة البيانات.

اكتشفنا أيضًا علامات مبكرة على أن المؤسسات تقوم بتجربة الأدوات والأساليب المتقدمة. من بين النتائج التي توصلنا إليها ، ربما يكون الانخراط في محتوى التعلم غير الخاضع للإشراف أحد أكثر الأشياء إثارة للاهتمام. في التعلم غير الخاضع للإشراف ، يتم تدريب خوارزمية الذكاء الاصطناعي للبحث عن الأنماط التي لم يتم اكتشافها سابقًا في مجموعة بيانات بدون تسميات أو تصنيفات موجودة مسبقًا مع الحد الأدنى من الإشراف البشري أو التوجيه. في عام 2018 ، نما استخدام موضوعات التعلم غير الخاضعة للرقابة بنسبة 53٪ وبنسبة 172٪ في عام 2019.

لكن ما الذي يدفع هذا النمو؟ في حين أن أسماء أساليبها (التجميع والارتباط) وتطبيقاتها (الشبكات العصبية) مألوفة ، فإن التعلم غير الخاضع للإشراف ليس مفهومًا جيدًا مثل نظيره في التعلم الخاضع للإشراف ، والذي يعمل كاستراتيجية افتراضية لتعلم الآلة لمعظم الأشخاص ومعظم حالات الاستخدام .

من المحتمل أن يكون الدافع وراء هذه الزيادة في نشاط التعلم غير الخاضع للإشراف هو عدم الإلمام بالمصطلح نفسه ، بالإضافة إلى استخداماته وفوائده ومتطلباته من قبل مستخدمين أكثر تطوراً يواجهون حالات استخدام لا يمكن معالجتها بسهولة بالطرق الخاضعة للإشراف.

من المحتمل أيضًا أن النجاح المرئي للتعلم غير الخاضع للإشراف في الشبكات العصبية والتعلم العميق قد ساعد في اهتمامنا ، وكذلك تنوع الأدوات والمكتبات والبرامج التعليمية مفتوحة المصدر التي تدعم التعلم غير الخاضع للإشراف.

قيامة التعلم العميق

بينما تم تبريد التعلم العميق بشكل طفيف في عام 2019 ، فإنه لا يزال يمثل 22٪ من إجمالي استخدامات الذكاء الاصطناعي والتعلم الآلي. نشك أيضًا في أن نجاحها قد ساعد في تحفيز إحياء عدد من الأفكار الأخرى المهملة أو المهملة. أكبر مثال على ذلك هو التعلم المعزز. شهد هذا الموضوع نموًا هائلاً ، حيث نما أكثر من 1,500 ٪ منذ عام 2017.

حتى مع انخفاض معدلات المشاركة بنسبة 10٪ في عام 2019 ، يعد التعلم العميق بحد ذاته أحد أكثر أساليب التعلم الآلي شيوعًا بين الشركات التي تقيِّم الذكاء الاصطناعي ، حيث تختار العديد من الشركات التقنية لدعم حالات استخدام الإنتاج. قد تكون المشاركة في موضوعات التعلم العميق قد استقرت لأن معظم الناس يشاركون بالفعل بنشاط في التكنولوجيا ، مما يعني أن النمو قد يتباطأ.

معالجة اللغة الطبيعية هي موضوع آخر أظهر نموًا ثابتًا. في حين أن معدل نموها ليس ضخمًا - فقد نما بنسبة 15٪ في 2018 و 9٪ في 2019 - تمثل معالجة اللغة الطبيعية حوالي 12٪ من جميع استخدامات الذكاء الاصطناعي والتعلم الآلي على منصتنا. يمثل هذا حوالي 6 أضعاف حصة التعلم غير الخاضع للإشراف و 5 أضعاف حصة استخدام التعلم المعزز ، على الرغم من النمو الكبير الذي شهده هذان الموضوعان على مدار العامين الماضيين.

ومع ذلك ، لا يتم التعامل مع جميع أساليب الذكاء الاصطناعي / تعلم الآلة على قدم المساواة. على سبيل المثال ، يبدو أن الاهتمام ببرامج الدردشة الآلية يتضاءل ، حيث انخفض التفاعل بنسبة 17٪ في عام 2018 وبنسبة 34٪ في عام 2019. ويرجع السبب في ذلك على الأرجح إلى أن روبوتات الدردشة كانت واحدة من التطبيقات الأولى للذكاء الاصطناعي وربما كانت انعكاسًا للنضج النسبي لها. تطبيق.

توضح المشاركة المتزايدة في التعلم غير الخاضع للإشراف والتعلم المعزز أن المؤسسات تختبر أدوات وأساليب التحليلات المتقدمة. تفتح هذه الأدوات والتقنيات حالات استخدام جديدة للشركات لتجربتها والاستفادة منها ، بما في ذلك دعم القرار والألعاب التفاعلية ومحركات التوصية للبيع بالتجزئة في الوقت الفعلي. يمكننا فقط أن نتخيل أن المؤسسات ستستمر في استخدام الذكاء الاصطناعي والتعلم الآلي لحل المشكلات وزيادة الإنتاجية وتسريع العمليات وتقديم منتجات وخدمات جديدة.

نظرًا لأن المنظمات تتبنى تقنيات تحليلية ، فإنها تكتشف المزيد عن نفسها وعوالمها. يؤدي اعتماد ML ، على وجه الخصوص ، إلى حث الأشخاص على جميع مستويات المؤسسة على البدء في طرح الأسئلة التي تتحدى ما تعتقد المنظمة أنها تعرفه عن نفسها.

باستخدام ML و AI ، نقوم بتدريب الآلات على إظهار أشياء جديدة من المعرفة تساعدنا أثناء تعلمنا لطرح أسئلة جديدة ومختلفة وأحيانًا صعبة عن أنفسنا. بكل المؤشرات ، يبدو أننا نحقق بعض النجاح في هذا الأمر. من يدري ما يخبئه المستقبل ، ولكن عندما تصبح التقنيات أكثر ذكاءً ، فلا شك أننا سنصبح أكثر اعتمادًا.

المصدر: https://www.fintechnews.org/the-future-growth-of-ai-and-ml/

AI

مراجعة ممتاز لاستعادة الصور

الصورة الرمزية

تم النشر

on

يفقد الأشخاص ملايين الصور ومقاطع الفيديو كل يوم إما عن طريق حذفها عن طريق الخطأ أو تنسيق وسائط التخزين بالكامل. وأعتقد أنك واحد منهم لأنك تبحث عن البرنامج المناسب لاستعادة الصور ومقاطع الفيديو السابقة. دعني أخبرك؛ انت في المكان الصحيح. Stellar Photo Recovery هو أفضل برنامج لاستعادة الصور والفيديو يمكنه استرداد كل تنسيق صور وفيديو تقريبًا.

في هذا الاستعراض ، سنناقش الميزات المذهلة لاستعادة الصور الممتازة.

ما هو برنامج Stellar Photo Recovery ، ولماذا تحتاجه؟

Stellar Photo Recovery هو برنامج استعادة وسائط DIY مصمم لمساعدتك على استعادة ملفات الوسائط المفقودة. وهو يدعم مجموعة متنوعة من التنسيقات. إنه برنامج سهل الاستخدام ولا يتطلب من مستخدمه أي معرفة فنية.

الآن السؤال الذي يطرح نفسه لماذا تحتاج هذا البرنامج؟

نظرًا لأننا بشر فقط وتحدث الأخطاء ، يمكن أن يشمل ذلك حذف ملفات الوسائط عن طريق الخطأ أو تهيئة تخزين الوسائط ، أو في أسوأ الحالات ، تلف الملفات بواسطة فيروس. في هذه المرحلة ، أنت بحاجة إلى برنامج لاستعادة الوسائط يوفر لك Stellar Photo Recovery تغطيتك.

يمكنك القيام باستعادة الوسائط من بطاقات CF ، وبطاقات SD ، وبطاقات XQD ، ومحركات أقراص فلاش ، ومحركات أقراص HDD و SSD ، وأيضًا من محركات الأقراص المشفرة.

كيفية استخدام Stellar Photo Recovery؟

واجهة المستخدم بسيطة للغاية وسهلة الاستخدام. لا يحتاج المستخدم إلى المعرفة التقنية لتشغيل البرنامج.

بمجرد تنزيل البرنامج وتثبيته ، ستحتاج إلى اتباع ثلاث خطوات لاستعادة البيانات المفقودة.

خطوة 1:

بعد فتح Stellar Photo Recovery ، سترى قائمة بمحركات الأقراص. حدد محرك الأقراص الذي تريد مسحه ضوئيًا ثم اضغط على المسح الضوئي. يمكنك تصغير البرنامج والقيام بأشياء أخرى أثناء البحث عن الملفات. يمكنك أيضًا إجراء الفحص بناءً على نوع الملف ؛ سيؤدي ذلك إلى تقليل وقت الفحص.

خطوة استعادة الصورة النجمية 1

خطوة 2:

بعد اكتمال الفحص ، سيعرض عدد وحجم الملفات الموجودة على محرك الوسائط الممسوح ضوئيًا. يمكنك تصفح المجلدات والملفات ومعاينتها. الملفات التي تريد استردادها تضغط على علامة الاختيار بجانبها.

خطوة استعادة الصورة النجمية 2

خطوة 3:

اضغط على "الاسترداد" وحدد المجلد الذي تريد تخزين الوسائط المستردة فيه. لا يستغرق الأمر وقتًا طويلاً لحفظ الوسائط المستردة.

خطوة استعادة الصورة النجمية 3

واحدة من أفضل ميزات هذا البرنامج هي أنه يقوم بإنشاء محفوظات المسح ؛ هذا يعني أنه يمكنك العودة واستعادة ملفات الوسائط المختلفة التي نسيت استردادها في المرة الأخيرة.

الايجابيات

  • يدعم تنسيقات مختلفة
  • يمكن استخدامه مع أجهزة وسائط التخزين المختلفة.
  • معاينة البيانات قبل الاسترداد
  • واجهة مستخدم بسيطة وسهلة الاستخدام
  • فعال في استعادة البيانات

سلبيات

  • إنه برنامج قائم على الاشتراك.

الأسعار

وهي متاحة لكل من Windows و Mac.

أسعار ممتازة لاستعادة الصور

تتوفر ثلاث باقات اشتراك:

  • الحزمة القياسية: 39.99 دولارًا في السنة. استعادة الوسائط فقط.
  • الباقة الاحترافية: 49.99 دولار في السنة. استعادة الوسائط وكذلك إصلاح الصور التالفة.
  • الحزمة المميزة: 69.99 دولارًا في السنة. استعادة الوسائط وإصلاح كل من الصور وملفات الفيديو.

وهو متوفر أيضًا للتنزيل المجاني ، حيث يمكنك تجربة البرنامج ومعرفة إمكاناته.

النتيجة

Stellar Photo Recovery هو برنامج رائع للمصورين ومصوري الفيديو الذين يتطلعون إلى استعادة الملفات. إنه سهل الاستخدام ، وأدائه لا تشوبه شائبة. لا أستطيع أن أوصي به بما فيه الكفاية.

اضغط على الرابط لتحصل على نفسك ممتاز لاستعادة الصور البرنامج.

وظيفة مراجعة ممتاز لاستعادة الصور ظهرت للمرة الأولى على Aiiot Talk - الذكاء الاصطناعي | إنترنت الأشياء | تقنية.

المصدر: http://www.aiiottalk.com/stellar-photo-recovery-review/

مواصلة القراءة

AI

يجمع Axonius 100 مليون دولار لحماية أجهزة إنترنت الأشياء من الهجمات الإلكترونية

الصورة الرمزية

تم النشر

on


جمعت شركة Axonius ، وهي شركة ناشئة في مجال الأمن السيبراني تركز على قطاع إنترنت الأشياء ، 100 مليون دولار بتقييم قدره مليار دولار.إقرأ المزيد المصدر: https://venturebeat.com/2021/02/28/axonius-raises-100-million-to-protect-iot-devices-from-cyberattack/

مواصلة القراءة

AI

لماذا تحتاج تكنولوجيا المعلومات لقيادة المرحلة التالية من علم البيانات

الصورة الرمزية

تم النشر

on

سيدة أعمال جذابة ترتدي الجينز والقميص ، تقف إلى جانب المدير الذكر ، تناقش الأفكار في جلسة العصف الذهني ، التخطيط ، الشرح


في معظم الشركات ، يعتبر علم البيانات بمثابة "الغرب المتوحش" للمشاريع المنفصلة. مع إشراف تكنولوجيا المعلومات ، تصبح هذه الاستثمارات قابلة للتطوير وإعادة الاستخدام.إقرأ المزيد المصدر: https://venturebeat.com/2021/02/28/why-it-needs-to-lead-the-next-phase-of-data-science/

مواصلة القراءة

AI

يرسم هذا الفيديو البري خريطة كاملة للإنترنت وتطورها منذ عام 1997

الصورة الرمزية

تم النشر

on

اختيار تصور الإنترنت 2021

في الأيام الأولى للحوسبة الرقمية ، كانت الآلات متجانسة ومعزولة. لم يتواصلوا. في الواقع ، هم لا يمكن يتواصل. لم تكن هناك لغة مشتركة.

هذه المشكلة لم تكن سرا. كان علماء الكمبيوتر يعملون على إيجاد طرق لتوصيل أجهزة الكمبيوتر بالشبكات منذ عام 1962. ثم بعد ذلك 29 اكتوبر 1969—بعد بضعة أشهر فقط من هبوط أبولو 11 على سطح القمر — أرسل طالب الدراسات العليا ، تشارلي كلاين ، رسالة من جهاز الكمبيوتر الخاص به في جامعة كاليفورنيا في لوس أنجلوس إلى جهاز كمبيوتر على بعد 350 ميلًا شمالًا في معهد ستانفورد للأبحاث (SRI). بالنسبة لكلين وشريكه في التآمر ، بيل دوفال ، لم تكن هذه مشكلة كبيرة. قال ليونارد كلاينروك ، رائد شبكات الكمبيوتر وقائد المشروع: "لقد كان الأمر مجرد مهندسين يعملون".

ولكن بعد فوات الأوان ، كانت الرسالة - من الناحية الفنية على الأقل - إطلاق أول "عصبونات" للإنترنت. وسرعان ما توسعت الشبكة ، المسماة Arpanet ، لتشمل مؤسسات أخرى وأصبحت نوعًا من الإنترنت الأولي للباحثين والعلماء. تم تطبيق العديد من المفاهيم التي تم تطويرها لـ Arpanet ولا تزال تعمل في الإنترنت اليوم.

خريطة أربانيت عام 1977. حقوق الصورة: أربانيت

بالطبع ، الفجوة بين أربانيت والشبكة الحديثة آخذة في التثاؤب.

تم توصيل UCLA-SRI في then سرعة البرق 50 كيلو بت في الثانية ؛ يمكن أن تصل سرعة الإنترنت اليوم إلى 20,000 مرة أسرع. بلغ الحد الأقصى لـ Arpanet حوالي 100 عقدة (أو أجهزة كمبيوتر متصلة). الإنترنت اليوم عبارة عن شبكة من الشبكات تضم مليارات العقد في جميع أنحاء العالم.

الآثار المترتبة على كل هذا لا تحتاج إلى مقدمة: للإنترنت تأثير الانحناء الحضاري.

لكل ذلك ، لا يزال مفهومًا مجردًا إلى حد ما. بالنسبة لمعظم الناس ، الإنترنت هو محتواها: الأخبار والصور ومقاطع الفيديو والموسيقى والرسائل والميمات. لكن كل هذا المحتوى يعيش ويخدمه كتلة مترامية الأطراف من أجهزة الكمبيوتر المترابطة المنتشرة في جميع أنحاء العالم.

لتصور الامتداد حقًا ، تحتاج إلى رسم خريطة للمنطقة. كانت خرائط Arpanet عبارة عن مخططات هندسية مباشرة إلى حد ما ، لكن مقياس الويب الحديث كبير جدًا بالنسبة إلى ورقة وبعض الخطوط والنقاط المستقيمة. يدخل باريت ليون.

في عام 2003 ، كان ليون لقد أنهيت دراستك وأعمل مخترقًا مستأجرًا. كلفته الشركات باستئصال الثغرات الأمنية في أنظمتها ، وقد طور أدوات تخطيط للوظيفة سوف يتتبع المتشممون الإلكترونيون خطوط وعقد الشبكة ويعيدون الإبلاغ عما وجدوه. كان يعتقد لماذا لا يطلقون سراحهم على أم كل الشبكات؟ هكذا فعل.

استدعى التصور الناتج أنماطًا طبيعية كبيرة ، مثل شبكات الخلايا العصبية أو بنية الكون واسعة النطاق. لكنها كانت مرة أخرى عادية ومحيرة للعقل - تمثل ، كما فعلت ، مجموعة من أجهزة الكمبيوتر المحمولة وأجهزة كمبيوتر سطح المكتب القياسية في الغالب المتصلة بالخوادم في مجمعات المكاتب الجاهزة و ناشئ التكنولوجية القوة التي كانت أكبر بكثير من مجموع أجزائها.

أول خريطة كاملة في ليون للإنترنت ، 22 نوفمبر 2003. حقوق الصورة: مشروع Opte

في عام 2010 ، قام ليون بتحديث خريطته باستخدام طريقة جديدة. بدلاً من مسارات التتبع التي استخدمها في عام 2003 ، والتي ليست دقيقة دائمًا ، لجأ إلى أداة تعيين أكثر دقة على الإنترنت تسمى جداول توجيه بروتوكول بوابة الحدود. و الأن، لقد عاد بخريطة جديدة، أيضًا استنادًا إلى BGPs من مشروع Route Views بجامعة أوريغون. هذه المرة فقط ، قام بتجميع ما يقرب من 25 عامًا من الفاصل الزمني للنمو الهائل للإنترنت.

إنها بصرية ساحرة وتقريبا عضوية. لكنها أيضًا أكثر من ذلك.

يتم تعيين الألوان إلى المناطق: أمريكا الشمالية (الأزرق) ، وأوروبا (الأخضر) ، وأمريكا اللاتينية (الأرجواني) ، وآسيا والمحيط الهادئ (الأحمر) ، وإفريقيا (البرتقالي) ، والعمود الفقري للإنترنت (أبيض). الخطوط تربط العقد ؛ و starbursts هم مزودو الإنترنت للشبكات العامة والخاصة والحكومية (فكر في AT&T أو Comcast أو الجيش). المنطقة الوسطى هي المنطقة الأكثر ارتباطًا والأطراف هي الأقل.

نظرًا لأنه يتم تحريكه بمرور الوقت ، يمكنك مشاهدة مناطق مختلفة على الإنترنت. وبالمثل ، يمكنك رؤية المناطق تومض وتتوقف. بعض البلدان ، مثل الصين وإيران ، باقية في الضواحي ، مع عدد أقل من الروابط داخل وخارج. يلاحظ ليون أن هذا يتيح سيطرة أكبر على الشبكات الوطنية ، مثل جدار الحماية العظيم في الصين ، على سبيل المثال. خلال الاحتجاجات الإيرانية في عام 2019 ، أغلقت الحكومة معظم الإنترنت - انخفض الاتصال إلى خمسة بالمائة فقط من المتوسط ​​- وهذا واضح في التصور. الشبكات الإيرانية الكبيرة تختفي.

الأكثر وضوحًا ودراماتيكية هو مدى نمو الإنترنت. يوجد الآن ما يقرب من خمسة مليارات شخص على الإنترنت. من المرجح أن يتم تسجيل دخول المليارات القليلة المتبقية في العقد المقبل.

قال ليون مؤخرًا: "عندما أنظر إليها ، فإن كل واحدة من تلك الضربات والتذبذبات الصغيرة هي عبارة عن بشر يفعلون شيئًا ما" سلكي. "الأشخاص الذين يستخدمون الشبكة في الواقع ، يبنون الشبكة ، ويعبرون حرفيا المحيطات والجبال بكابلات الألياف البصرية وحفر الخنادق. ينعكس كل هذا العمل في لقطة واحدة ". من الواضح أن الكثير قد تغير منذ عام 1997 - ولكن بمعنى ما ، ما زلنا في البداية.

الصورة الائتمان: باريت ليون / أوبت

المصدر: https://singularityhub.com/2021/02/28/this-video-shows-the-entire-internet-and-its-evolution-since-1997/

مواصلة القراءة
AIقبل أيام

تم الإبلاغ عن انسحاب IBM من الرعاية الصحية مع Watson 

AIقبل أيام

تعمل Tesla على وضع القيادة الذاتية الكامل ، مما يزيد من الرصاص AI 

عالم السياراتقبل أيام

كاد ناقد تسلا شبه بيل جيتس أن يعترف بأنه اختصر TSLA في الماضي

عالم السياراتقبل أيام

حصل Tesla Model 3 على جائزة IIHS Top Safety Pick + للعام الثالث على التوالي

عالم السياراتقبل أيام

تقوم شركة SpaceX ببناء واختبار مصعد Starship Moon بسرعة لصالح وكالة ناسا

cea-leti-dolphin-design-report-fd-soi-breakthrough-that-working-frequency-by-450-and-less-power-الاستهلاك-by-30-Joint-paper-provided-at-isscc- 2021-show-how-new-adaptive-back-biasing.jpg
تقنية النانوقبل أيام

تقرير تصميم CEA-Leti & Dolphin ، اختراق FD-SOI يعزز تردد التشغيل بنسبة 450٪ ويقلل من استهلاك الطاقة بنسبة 30٪: تُظهر الورقة المشتركة المقدمة في ISSCC 2021 كيف تتغلب تقنية التحيز الخلفي التكيفية الجديدة على حدود التكامل في تدفقات تصميم الرقائق

AIقبل أيام

يطالب نشطاء بمراجعة قضائية لصفقة NHS مع شركة Palantir للذكاء الاصطناعي التي يملكها Peter Thiel

AIقبل أيام

استخدام صور الحاوية لتشغيل نماذج TensorFlow في AWS Lambda

تقنية النانوقبل أيام

ديناميات الجسيمات النانوية باستخدام نظام نضح تجويف الأوعية اللمفاوية المعزول الجديد

Amb تشفيرقبل أيام

Oxygen Protocol لإدراج رموز OXY على BitMax

طاقــةقبل أيام

موجز شروق الشمس: تطلب خدمة إنديانا إضافة 400 ميجاوات من الطاقة الشمسية

طاقــةقبل أيام

تخطط دومينيون للتخلي عن فحم ساوث كارولينا بحلول عام 2030

مهندس بيولوجيقبل أيام

من المتوقع أن تؤدي الثورة الخضراء في شاشات العرض الإلكترونية إلى تخفيف أزمات الطاقة والصحة

AIقبل أيام

استهدفت شركة SolarWinds Hackers الخدمات السحابية كهدف رئيسي 

مهندس بيولوجيقبل أيام

تأثر أكثر من 80٪ من بقايا الغابات المطيرة في الأطلسي بالنشاط البشري

Amb تشفيرقبل أيام

انخفاض عملة البيتكوين إلى ما دون 50,000،XNUMX دولار: ما الدروس التي يمكن تعلمها؟

cea-leti-dolphin-design-report-fd-soi-breakthrough-that-working-frequency-by-450-and-less-power-الاستهلاك-by-30-Joint-paper-provided-at-isscc- 2021-show-how-new-adaptive-back-biasing.jpg
تقنية النانوقبل أيام

تقرير تصميم CEA-Leti & Dolphin ، اختراق FD-SOI يعزز تردد التشغيل بنسبة 450٪ ويقلل من استهلاك الطاقة بنسبة 30٪: تُظهر الورقة المشتركة المقدمة في ISSCC 2021 كيف تتغلب تقنية التحيز الخلفي التكيفية الجديدة على حدود التكامل في تدفقات تصميم الرقائق

cea-leti-dolphin-design-report-fd-soi-breakthrough-that-working-frequency-by-450-and-less-power-الاستهلاك-by-30-Joint-paper-provided-at-isscc- 2021-show-how-new-adaptive-back-biasing.jpg
تقنية النانوقبل أيام

تقرير تصميم CEA-Leti & Dolphin ، اختراق FD-SOI يعزز تردد التشغيل بنسبة 450٪ ويقلل من استهلاك الطاقة بنسبة 30٪: تُظهر الورقة المشتركة المقدمة في ISSCC 2021 كيف تتغلب تقنية التحيز الخلفي التكيفية الجديدة على حدود التكامل في تدفقات تصميم الرقائق

تقنية النانوقبل أيام

النوى الذرية في التأرجح الكمومي: يفتح التحكم الدقيق للغاية في الإثارات النووية إمكانيات لساعات ذرية فائقة الدقة وبطاريات نووية قوية

تقنية النانوقبل أيام

ينطبق حد السرعة أيضًا في عالم الكم: تحدد الدراسة التي أجرتها جامعة بون الحد الأدنى من الوقت لعمليات الكم المعقدة

ترندنج