Verbind je met ons

Artificial Intelligence

Extra Crunch-samenvatting: Digital Health VC-enquête, edtech M&A, deep tech marketing, meer

avatar

gepubliceerd

on

Ik had vorig jaar mijn eerste telegezondheidsoverleg, en de kans is groot dat jij dat ook hebt gedaan. Sinds het begin van de pandemie is de acceptatie door consumenten van zorg op afstand met 300% toegenomen.

Als niet-gevaccineerde stadsbewoner spreken: ik spreek liever via mijn laptop met een verpleegster of dokter dan dat ik fysiek op afstand probeer te blijven in een bus of een aangeroepen rit die van / naar hun kantoor reist.

Zelfs nadat de dingen terugkeren naar (rollende ogen) normaal, als ik dacht dat er een betrouwbare manier was om hoogwaardige gezondheidszorg in mijn woonkamer te krijgen, zou ik ervoor kiezen.

Ik ben duidelijk niet de enige: a Mei 2020 McKinsey-studie koppelde de jaarlijkse binnenlandse telehealth-inkomsten vóór het coronavirus op $ 3 miljard, maar schatte dat "tot $ 250 miljard van de huidige Amerikaanse uitgaven aan gezondheidszorg mogelijk zou kunnen worden gevirtualiseerd" nadat de pandemie is afgenomen.

Dat is een duizelingwekkend aantal, maar in een categorie die startups omvat die zich richten op seksuele gezondheid, de gezondheid van vrouwen, kindergeneeskunde, geestelijke gezondheid, gegevensbeheer en testen, is het duidelijk waarom de financiering van digitale gezondheidszorg in de eerste drie kwartalen meer dan $ 10 miljard bedroeg. 2020.

Tekening van De TechCrunch-lijst, verslaggever Sarah Buhr interviewde acht actieve VC's op het gebied van gezondheidstechnologie voor meer informatie over de bedrijven en brancheverticalen die hun interesse hebben gewekt in 2021:

  • Bryan Roberts en Bob Kocher, partners, Venrock
  • Nan Li, algemeen directeur, voor de hand liggende ondernemingen
  • Elizabeth Yin, algemeen partner, Hustle Fund
  • Christina Farr, hoofdinvesteerder en hoofd van gezondheidstechnologie, OMERS Ventures
  • Ursheet Parikh, partner, Mayfield Ventures
  • Nnamdi Okike, mede-oprichter en managing partner, 645 Ventures
  • Emily Melton, oprichter en managing partner, Threshold Ventures

Volledige Extra Crunch-artikelen zijn alleen beschikbaar voor leden
Gebruik kortingscode EC Vrijdag 20% korting op een abonnement van één of twee jaar


Sinds COVID-19 de focus van Washington op gezondheidszorg heeft vernieuwd, zeiden veel investeerders dat ze in 2021 een vriendelijke regelgevende omgeving voor telezorg verwachten. Bovendien zoeken zorgaanbieders naar manieren om de kosten te verlagen en de drempels te verlagen voor patiënten die gedragsondersteuning zoeken.

"Remote werkt echt", zegt Elizabeth Yin, algemeen partner bij Hustle Fund.

We gaan dit jaar dieper in op digitale gezondheid via aanvullende enquêtes, verticale rapportage, interviews met oprichters en nog veel meer.

Heel erg bedankt voor het lezen van Extra Crunch deze week; Ik hoop dat je een ontspannend weekend hebt.

Walter Thompson
Senior editor, TechCrunch
@juliemeerveld

8 VC's zijn het erover eens: Gedragsondersteuning en bezoeken op afstand maken digitale gezondheid een sterke gok voor 2021

Vrouw met een videoconferentie geneeskunde met haar arts met behulp van digitale tablet. Senior vrouw op een videogesprek met een arts met haar tablet-computer thuis.

Afbeelding Credits: Luis Alvarez (Opent in een nieuw venster) / Getty-afbeeldingen

Lessen uit de acquisitie van Top Hat

Afbeelding Credits: Bryce Durbin

In het afgelopen jaar heeft edtech-startup Top Hat drie uitgeverijen overgenomen: Fountainhead Press, Bludoor en Nelson HigherEd.

Natasha Mascarenhas interviewde CEO en oprichter Mike Silagadze om meer te weten te komen over zijn strategie voor het verwerven van content, maar haar verhaal ging ook over 'enkele gerommel van consolidatie en exits in edtech-land'.

Hoe VC's in 2020 in Azië en Europa hebben geïnvesteerd

Vorig jaar investeerden in de VS gevestigde VC's gemiddeld $ 428 miljoen per dag bij binnenlandse startups, met veel van de voordelen stromen naar fintech-bedrijven.

VanochtendOnderzocht Alex Wilhelm Q4 VC-totalen voor Europa, dat het laagste aantal deals had sinds Q1 2019, ondanks een recordbedrag van $ 14.3 miljard aan investeringen.

De Aziatische risicokapitaalsector, waarin $ 25.2 miljard werd geïnvesteerd in 1,398 deals, kent "een zacht herstel", zegt Alex.

“Dalend zaadvolume, veel grote rondes. Dat is in een notendop 2020 VC over de hele wereld. "

Ontsleuteld: met meer neerslag van SolarWinds, kiest Biden zijn cyberbeveiligingsteam

Afbeelding Credits: Treedeo (Opent in een nieuw venster) / Getty-afbeeldingen

In deze week is gedecodeerdberichtte beveiligingsverslaggever Zack Whittaker het laatste nieuws over de zich ontvouwende spionagecampagne SolarWinds, waarvan nu is onthuld dat deze invloed heeft gehad op het Amerikaanse Bureau of Labor Statistics en Malwarebytes.

In ander nieuws lijkt de controverse over de wijziging van het privacybeleid van WhatsApp gebruikers naar de gecodeerde berichten-app Signal te drijven, meldde Zack. Facebook heeft de wijzigingen bij WhatsApp in de wacht gezet "totdat het zou kunnen bedenken hoe de wijziging kan worden verklaard zonder miljoenen gebruikers te verliezen", blijkbaar.

Hot IPO's houden vast aan winsten terwijl investeerders blijven gokken op technologie

Een groot IPO-debuut is een sappig onderwerp voor een paar nieuwscycli, maar omdat er altijd weer een eenhoorn klaarstaat om zich los te maken van zijn kraal en de openbare markten te betreden, blijft er niet veel tijd over om na te denken.

Alex studeerde bedrijven als Lemonade, Airbnb en Affirm om te zien hoe goed deze IPO-popsterren hun waarde hebben behouden. Niet alleen de meesten hebben stand gehouden, "velen hebben de score in de daaropvolgende weken zelfs verhoogd", ontdekte hij.

Beste Sophie: Wat zijn de immigratieveranderingen van Biden?

eenzame figuur bij ingang van doolhofhaag met een Amerikaanse vlag in het midden

Afbeelding Credits: Bryce Durbin / TechCrunch

Beste Sophie:

Ik werk in HR voor een technologiebedrijf. Ik begrijp dat Biden vandaag een nieuw immigratieplan uitrolt.

Wat is uw gevoel over hoe de nieuwe administratie het zal doen verandering van bedrijf, bedrijf en startup oprichter immigratie naar de VS?

- Gratis in Fremont

Hallo, Extra Crunch-community!

Hallo in verschillende talen

Afbeelding Credits: Atakan (Opent in een nieuw venster) / Getty-afbeeldingen

Ik begon mijn carrière als een fervent TechCrunch-lezer en bleef dat zelfs toen ik me aansloot als schrijver, toen ik wegging om aan andere dingen te werken en nu ben ik teruggekeerd om me te concentreren op het beter dienen van onze gemeenschap.

Ik heb met een paar mensen in onze gemeenschap gechat en ik zou ook graag met jou willen praten. Niets bijzonders, slechts 5-10 minuten van uw tijd om meer te horen over wat u van ons wilt zien en wat feedback te krijgen over wat we tot nu toe hebben gedaan.

Als u zo vriendelijk wilt zijn om er een minuut of twee over te doen Vul dit formulier in, Ik zal je een bericht sturen en hopelijk kunnen we een praatje maken over de toekomst van de Extra Crunch-gemeenschap voordat we formeel enkele van de ideeën die we aan het maken zijn formeel uitrollen.

Drew Olanoff
@yoda

In 2020 investeerden VC's elke dag $ 428 miljoen in startups in de VS.

Vorig jaar was over de hele linie een ramp dankzij een wereldwijde pandemie, economische onzekerheid en wijdverbreide sociale en politieke onrust.

Maar als je betrokken was bij de particuliere markten, had 2020 een duidelijk voordeel: VC's stroomden $ 156.2 miljard naar in de VS gevestigde startups, "of ongeveer $ 428 miljoen voor elke dag,”Meldt Alex Wilhelm.

"De enorme som geld viel echter zelf in het niet bij de hoeveelheid liquiditeit die Amerikaanse startups genereerden, ongeveer $ 290.1 miljard."

Met behulp van gegevens afkomstig van de National Venture Capital Association en PitchBook, gebruikte Alex de column van maandag om de eerste, vroege en late fase van vorig jaar samen te vatten.

Hoe en wanneer marketingteams moeten worden opgebouwd bij deep-techbedrijven

Paal hijs badeend met haak in zijn kop

Afbeelding Credits: Andy Roberts (Opent in een nieuw venster) / Getty-afbeeldingen

Het opbouwen van een marketingteam is een van de meest ondoorzichtige onderdelen van het opstarten van een startup, maar voor een diep technologisch bedrijf kan de inzet niet hoger zijn.

Hoe kunnen technische oprichters die aan de allernieuwste technologie werken, de juiste mensen vinden om hun verhaal te vertellen?

Als je werkt bij een diepgaande technische startup na de inkomsten, of iemand kent die dat wel doet, dit bericht legt uit wanneer je een team moet inhuren, of ze eerdere ervaring in de branche nodig hebben en hoe ze talent kunnen vinden en evalueren.

Bustle CEO Bryan Goldberg legt zijn plannen uit om het bedrijf openbaar te maken

Bryan Goldberg, CEO van de Bustle Digital Group

Bryan Goldberg, CEO van de Bustle Digital Group. Afbeelding Credits: Drukte Digital Group

Senior schrijver Anthony Ha interviewde Bryan Goldberg, CEO van Bustle Digital Group om zijn mening te krijgen over de toestand van digitale media.

Hun gesprek besloeg veel terrein, maar het grootste nieuws dat het bevatte, betreft de kortetermijnplannen van Goldberg.

“Waar wil ik het bedrijf over drie jaar zien? Ik wil drie dingen zien: ik wil openbaar zijn, ik wil dat we veel winst maken en ik wil dat het een stuk groter wordt, omdat we veel andere publicaties hebben geconsolideerd, ”zei hij.

Het is misschien niet zo glamoureus als D2C, maar schoonheidstechnologie is veel geld

Direct Boven Opname Van Scheermessen Op Groene Achtergrond

Afbeelding Credits: Laia Divols Escude / EyeEm (Opent in een nieuw venster) / Getty-afbeeldingen

De Amerikaanse Federal Trade Commission is geen grote fan van D2C-merken voor persoonlijke verzorging die fuseren met traditionele bedrijven voor consumentenproducten.

Deze maand maakten scheermes-startup Billie en Proctor & Gamble bekend dat ze hun geplande fusie stopzetten nadat de FTC een aanklacht had ingediend.

Om soortgelijke redenen heeft Edgewell Personal Care vorig jaar zijn plannen om Harry's te kopen voor $ 1.37 miljard laten vallen.

In een strengere regelgevingsomgeving "de weg naar winstgevendheid is een belangrijker onderdeel geworden van het startup-verhaal versus groei ten koste van alles ”, lijkt het.

De CEO van Twilio zegt dat de wijsheid bij uw ontwikkelaars ligt

SAN FRANCISCO, CA - 12 SEPTEMBER: Oprichter en CEO van Twilio Jeff Lawson spreekt op het podium tijdens TechCrunch Disrupt SF 2016 op Pier 48 op 12 september 2016 in San Francisco, Californië. Afbeelding Credits: Steve Jennings / Getty Images voor TechCrunch

Bedrijven die hun eigen tools bouwen "hebben de neiging om de harten, geesten en portemonnees van hun klanten te winnen", aldus Twilio CEO Jeff Lawson.

In een interview met bedrijfsverslaggever Ron Miller voor zijn nieuwe boek, "Ask Your Developer", zegt Lawson dat oprichters ontwikkelaarsteams als klankbord moeten gebruiken bij het nemen van build-versus-buy-beslissingen.

"De basisfilosofie van Lawson in het boek is dat als je het kunt bouwen, je dat ook moet doen", zegt Ron.

Bron: https://techcrunch.com/2021/01/22/extra-crunch-roundup-digital-health-vc-survey-edtech-ma-deep-tech-marketing-more/

AI

GPU's voor gaming en datacenterservers blijven de inkomsten van Nvidia opdrijven ondanks chiptekorten overal

avatar

gepubliceerd

on

Nvidia blijft groeien en de verwachtingen van Wall Street overtreffen te midden van een wereldwijd tekort aan chips. Op woensdag onthulde het bumpercijfers voor het vierde kwartaal van het fiscale jaar 2021, de drie maanden tot 31 januari en de jaarresultaten.

CEO Jensen Huang pochte "Q4 was opnieuw een recordkwartaal, waarmee een doorbraakjaar werd afgesloten", voorafgaand aan een teleconferentie met analisten om de cijfers te bespreken. Hij noemde gaming en het datacenter de twee grootste gebieden van zijn bedrijf in Silicon Valley, die beide de winst opdreven.

"Ons baanbrekende werk op het gebied van accelerated computing heeft ertoe geleid dat gaming 's werelds populairste entertainment is geworden, supercomputing is gedemocratiseerd voor alle onderzoekers en dat AI de belangrijkste kracht in de technologie is geworden", zegt hij. gutste in een verklaring.

In het bijzonder, zo wordt ons verteld, leidt GPU-verkoop aan verticale markten de omzetgroei van het datacenter van Nvidia, in tegenstelling tot de verkoop aan hyperscale cloudreuzen. "Verticale industrieën waren goed voor meer dan 50 procent van de omzet van datacenters op het gebied van computers en netwerken, met bijzondere kracht op het gebied van supercomputing, financiële diensten, hoger onderwijs en verticale markten voor consumenteninternet", onthulde CFO Colette Kress aan analisten tijdens de oproep.

Vorig jaar lanceerde de GPU-gigant een hele reeks processors op basis van zijn Ampere architectuur​ Dat geldt ook voor de high-end A100, dat is ontworpen voor AI-supercomputers, servers en dikke werkstations, waar het merendeel van de rekenkracht wordt gebruikt voor het trainen, ontwikkelen en beheren van grote neurale netwerken en algoritmen voor het leren van machines.

Het vernieuwde ook zijn GeForce-gaminglijn met vijf kaarten met verschillende vermogens onder de RTX 30-paraplu. Bijna allemaal, inclusief de 3090, 3080, 3070, 3060 Ti, werden snel opgepakt nadat ze waren gelanceerd. De hardwarevoorraden zijn laag en zullen naar verwachting niet snel herstellen vanwege de aanhoudende droogte van halfgeleiders.

De RTX 3060-kaart zal donderdag in de verkoop gaan. Dat is de enige die Nv zal doen smoorklep op het niveau van de bestuurder als het detecteert dat het wordt gebruikt om Ethereum-achtige munten te delven, een zet die sommige mijnwerkers kan afschrikken om de betaalbare kaarten bij de lancering te pakken, en dus misschien nog een paar overlaat voor gamers om over te vechten. Vanaf volgende maand zal Nvidia GPU's speciaal voor mijnbouw aanprijzen. Het is geweest gesuggereerd dat deze aanpak, hoewel schijnbaar verstandig op papier, niet echt veel zal bereiken als mijnwerkers de door de bestuurder afgedwongen beveiligingen verslaan en de crypto-mining-kaarten silicium wegleiden van gamers.

"Het was moeilijk om de hele RTX 30-serie op voorraad te houden en we verlieten het vierde kwartaal met een nog lagere kanaalvoorraad dan toen we begonnen," zei Kress tijdens de telefonische vergadering. "Hoewel we het aanbod vergroten, zullen de kanaalvoorraden waarschijnlijk tijdens het eerste kwartaal laag blijven."

Huang voegde toe: “Op bedrijfsniveau zijn we beperkt. De vraag is groter dan het aanbod ... We moeten gewoon een heel goede planning maken. " Om investeerders gerust te stellen, vervolgde hij vervolgens: "We hebben genoeg aanbod om elk kwartaal het hele jaar door te groeien."

Ondanks dit alles lijkt Nvidia een goede en gezonde geest te hebben. Hier is een kort overzicht van de cijfers:

  • Inkomsten bedroegen $ 5 miljard voor het vierde fiscale kwartaal, een stijging van 61 procent vergeleken met de $ 3.1 miljard van een jaar geleden. Dat markeert ook het einde van het fiscale jaar 2021, waarmee de totale inkomsten op $ 16.7 miljard komen, een stijging van 53 procent ten opzichte van $ 10.9 miljard in het voorgaande jaar.
  • gaming in Q4 haalde $ 2.5 miljard binnen, een sprong van 67 procent ten opzichte van een jaar geleden. Er zijn meer dan 70 nieuwe modellen laptops gelanceerd met een GeForce RTX 30 grafische chipset.
  • Data Center was het op een na grootste segment, goed voor $ 1.9 miljard aan inkomsten in het vierde kwartaal. Dat is een stijging van 4 procent ten opzichte van het voorgaande jaar. Dat omvat niet de cijfers van Mellanox: de overgenomen netwerkbusiness "had een opeenvolgende daling onder invloed van niet-terugkerende verkopen aan een Chinese OEM in het derde kwartaal", zei de CFO. "Vanaf volgend kwartaal ... zullen we de inkomsten van Mellanox niet langer afzonderlijk uitsplitsen."
  • Automotive, professionele visualisatie en OEM zijn in vergelijking veel kleiner en bedroegen respectievelijk $ 145 miljoen, $ 307 miljoen, $ 153 miljoen. De omzet daalde hier met 11 procent, 7 procent voor zelfrijdende auto's en grafische weergave in games en animatie. OEM was echter een kleine 1 procent gestegen ten opzichte van het jaar geleden.
  • netto-inkomen was $ 1.46 miljard voor het laatste kwartaal, een stijging van 53 procent ten opzichte van de $ 950 miljoen jaar-op-jaar. Over het hele jaar was het met 55 procent gestegen tot 4.3 miljard dollar.
  • Brutomargepercentage was 63.1 procent, een daling van 180 basispunten (BPS) ten opzichte van een jaar geleden.
  • GAAP-winst per aandeel bedroegen $ 2.31, een stijging van 51 procent ten opzichte van een jaar eerder.

Nvidia's voorgestelde de overname van de Britse chipontwerper Arm wordt onderzocht door toezichthouders in de VS en het VK. Niet iedereen is er voor, niet verwonderlijk; Google, Microsoft en Qualcomm hebben hun bezorgdheid onder vier ogen geuit. Huang bleef er echter van overtuigd dat de deal zou doorgaan.

"Destijds voorspelden we dat het 18 maanden zou duren voordat [de overname in] de VS, het VK, de EU, China en andere rechtsgebieden zou worden verwerkt," zei hij. “Dit proces vordert zoals verwacht, we zijn ervan overtuigd dat toezichthouders hiervan zullen profiteren. Samen zullen Arm en Nvidia meer keuze bieden aan het ecosysteem en we zijn van plan het open licentiemodel van Arm voort te zetten.

“De pandemie zal voorbijgaan, maar de wereld is voor altijd veranderd. We zien dat de technologie in elke branche wordt versneld. De urgentie om te digitaliseren, automatiseren en versnellen is nog nooit zo groot geweest. " ​

Bron: https://go.theregister.com/feed/www.theregister.com/2021/02/25/gpus_for_gaming_and_aipowered/

Verder lezen

AI

Containerimages gebruiken om TensorFlow-modellen uit te voeren in AWS Lambda

avatar

gepubliceerd

on

TensorFlow is een open-source machine learning (ML) -bibliotheek die veel wordt gebruikt om neurale netwerken en ML-modellen te ontwikkelen. Die modellen worden meestal getraind op meerdere GPU-instanties om de training te versnellen, wat resulteert in dure trainingstijd en modelgroottes tot enkele gigabytes. Nadat ze zijn getraind, worden deze modellen in de productie ingezet om conclusies te trekken. Het kunnen synchrone, asynchrone of batchgebaseerde workloads zijn. Die eindpunten moeten in hoge mate schaalbaar en veerkrachtig zijn om nul tot miljoenen verzoeken te kunnen verwerken. Dit is waar AWS Lambda kan een aantrekkelijke computerservice zijn voor schaalbare, kosteneffectieve en betrouwbare synchrone en asynchrone ML-inferentie. Lambda biedt voordelen zoals automatisch schalen, verminderde operationele overhead en facturering per inferentie.

Dit bericht laat zien hoe je elk TensorFlow-model met Lambda kunt gebruiken voor schaalbare gevolgtrekkingen in productie met maximaal 10 GB geheugen. Hierdoor kunnen we ML-modellen gebruiken in Lambda-functies tot enkele gigabytes. Voor dit bericht gebruiken we TensorFlow-Keras vooraf opgeleid ResNet 50 voor beeldclassificatie.

Overzicht van de oplossing

Lambda is een serverloze computerservice waarmee u code kunt uitvoeren zonder servers in te richten of te beheren. Lambda schaalt uw applicatie automatisch door code uit te voeren als reactie op elke gebeurtenis, waardoor gebeurtenisgestuurde architecturen en oplossingen mogelijk zijn. De code loopt parallel en verwerkt elke gebeurtenis afzonderlijk, schaalbaar met de omvang van de werkbelasting, van een paar verzoeken per dag tot honderdduizenden werkbelastingen. Het volgende diagram illustreert de architectuur van onze oplossing.

Het volgende diagram illustreert de architectuur van onze oplossing.

U kunt uw code en afhankelijkheden verpakken als een container afbeelding met behulp van tools zoals de Docker CLI. De maximale containergrootte is 10 GB. Nadat het model voor inferentie is gedockeriseerd, kunt u de afbeelding uploaden naar Amazon Elastic Container Registry (Amazon ECR). U kunt vervolgens de Lambda-functie maken vanuit de container met afbeelding die is opgeslagen in Amazon ECR.

Voorwaarden

Voor deze walkthrough moet u aan de volgende vereisten voldoen:

Implementatie van de oplossing

We gebruiken een vooraf getraind model van de TensorFlow Hub voor beeldclassificatie. Wanneer een afbeelding wordt geüpload naar een Amazon eenvoudige opslagservice (Amazon S3) bucket, wordt een Lambda-functie aangeroepen om de afbeelding te detecteren en af ​​te drukken naar het Amazon CloudWatch logboeken. Het volgende diagram illustreert deze workflow.

Het volgende diagram illustreert deze workflow.

Voer de volgende stappen uit om de oplossing te implementeren:

  1. Maak op uw lokale computer een map met de naam lambda-tensorflow-example.
  2. Pen uw requirements.txt bestand in die map.
  3. Voeg alle benodigde bibliotheken voor uw ML-model toe. Voor dit bericht gebruiken we TensorFlow 2.4.
  4. Maak een app.py script dat de code voor de Lambda-functie bevat.
  5. Maak een Dockerfile in dezelfde directory.

De volgende tekst is een voorbeeld van het requirements.txt-bestand om TensorFlow-code uit te voeren voor onze use case:

# List all python libraries for the lambda
tensorflow==2.4.0
tensorflow_hub==0.11
Pillow==8.0.1

We gebruiken de TensorFlow 2.4-versie alleen met CPU-ondersteuning omdat Lambda op het moment van schrijven alleen CPU-ondersteuning biedt. Zie voor meer informatie over alleen-CPU-versies van TensorFlow Pakket locatie.

De Python-code wordt in app.py geplaatst. De inferentiefunctie in app.py moet een specifieke structuur volgen om te worden aangeroepen door het Lambda-looptijd​ Zie voor meer informatie over handlers voor Lambda AWS Lambda-functiehandler in Python. Zie de volgende code:

import json
import boto3
import numpy as np
import PIL.Image as Image import tensorflow as tf
import tensorflow_hub as hub IMAGE_WIDTH = 224
IMAGE_HEIGHT = 224 IMAGE_SHAPE = (IMAGE_WIDTH, IMAGE_HEIGHT)
model = tf.keras.Sequential([hub.KerasLayer("model/")])
model.build([None, IMAGE_WIDTH, IMAGE_HEIGHT, 3]) imagenet_labels= np.array(open('model/ImageNetLabels.txt').read().splitlines())
s3 = boto3.resource('s3') def lambda_handler(event, context): bucket_name = event['Records'][0]['s3']['bucket']['name'] key = event['Records'][0]['s3']['object']['key'] img = readImageFromBucket(key, bucket_name).resize(IMAGE_SHAPE) img = np.array(img)/255.0 prediction = model.predict(img[np.newaxis, ...]) predicted_class = imagenet_labels[np.argmax(prediction[0], axis=-1)] print('ImageName: {0}, Prediction: {1}'.format(key, predicted_class)) def readImageFromBucket(key, bucket_name): bucket = s3.Bucket(bucket_name) object = bucket.Object(key) response = object.get() return Image.open(response['Body'])

De volgende Dockerfile voor Python 3.8 maakt gebruik van de door AWS geleverde open-source basis afbeeldingen die kunnen worden gebruikt om containerafbeeldingen te maken. De basisimages zijn vooraf geladen met taalruntimes en andere componenten die nodig zijn om een ​​containerimage op Lambda uit te voeren.

# Pull the base image with python 3.8 as a runtime for your Lambda
FROM public.ecr.aws/lambda/python:3.8 # Install tar and gzip
RUN yum -y install tar gzip zlib # Copy the earlier created requirements.txt file to the container
COPY requirements.txt ./ # Install the python requirements from requirements.txt
RUN python3.8 -m pip install -r requirements.txt # Copy the earlier created app.py file to the container
COPY app.py ./ # Download ResNet50 and store it in a directory
RUN mkdir model
RUN curl -L https://tfhub.dev/google/imagenet/resnet_v1_50/classification/4?tf-hub-format=compressed -o ./model/resnet.tar.gz
RUN tar -xf model/resnet.tar.gz -C model/
RUN rm -r model/resnet.tar.gz # Download ImageNet labels
RUN curl https://storage.googleapis.com/download.tensorflow.org/data/ImageNetLabels.txt -o ./model/ImageNetLabels.txt # Set the CMD to your handler
CMD ["app.lambda_handler"]

Uw mappenstructuur zou er als volgt uit moeten zien.

Uw mappenstructuur zou er als volgt uit moeten zien.

U kunt de containerimage bouwen en naar Amazon ECR pushen met de volgende bash-opdrachten. Vervang de met uw eigen AWS-account-ID en specificeer ook een .

# Build the docker image
docker build -t lambda-tensorflow-example . # Create a ECR repository
aws ecr create-repository --repository-name lambda-tensorflow-example --image-scanning-configuration scanOnPush=true --region <REGION> # Tag the image to match the repository name
docker tag lambda-tensorflow-example:latest <AWS_ACCOUNT_ID>.dkr.ecr.<REGION>.amazonaws.com/lambda-tensorflow-example:latest # Register docker to ECR
aws ecr get-login-password --region <REGION> | docker login --username AWS --password-stdin <AWS_ACCOUNT_ID>.dkr.ecr.<REGION>.amazonaws.com # Push the image to ECR
docker push <AWS_ACCOUNT_ID>.dkr.ecr.<REGION>.amazonaws.com/lambda-tensorflow-example:latest

Als u uw model-inferentie lokaal wilt testen, bevatten de basisimages voor Lambda een Runtime Interface Emulator (RIE) waarmee u ook lokaal testen uw Lambda-functie verpakt als een containerimage om de ontwikkelingscycli te versnellen.

Een S3-bucket maken

Als volgende stap maken we een S3-bucket om de afbeeldingen op te slaan die worden gebruikt om de afbeeldingsklasse te voorspellen.

  1. Kies op de Amazon S3-console Maak een bucket.
  2. Geef de S3-bucket een naam, zoals tensorflow-images-for-inference-<Random_String> en vervang de met een willekeurige waarde.
  3. Kies Maak een bucket.

De Lambda-functie maken met de TensorFlow-code

Om uw Lambda-functie te creëren, voert u de volgende stappen uit:

  1. Kies op de Lambda-console Functies.
  2. Kies Maak functie.
  3. kies Containerimage.
  4. Voor Functienaam, voer een naam in, zoals tensorflow-endpoint.
  5. Voor Containerimage-URI, voer het eerder gemaakte lambda-tensorflow-example repository.

  1. Kies Door afbeeldingen bladeren om de nieuwste afbeelding te kiezen.
  2. Klik Maak functie om het maken ervan te initialiseren.
  3. Om de Lambda-runtime te verbeteren, vergroot u het functiegeheugen tot minimaal 6 GB en een time-out tot 5 minuten in het Basis instellingen.

Zie voor meer informatie over functiegeheugen- en time-outinstellingen Nieuw voor AWS Lambda - Functies met maximaal 10 GB geheugen en 6 vCPU's.

De S3-bucket koppelen aan uw Lambda-functie

Na het succesvol maken van de Lambda-functie, moeten we er een trigger aan toevoegen, zodat elke keer dat een bestand wordt geüpload naar de S3-bucket, de functie wordt aangeroepen.

  1. Kies uw functie op de Lambda-console.
  2. Kies Trigger toevoegen.

Kies Trigger toevoegen.

  1. Kies S3.
  2. Voor Emmer, kies de bucket die u eerder heeft gemaakt.

Kies bij Bucket de bucket die u eerder heeft gemaakt.

Nadat de trigger is toegevoegd, moet u de Lambda-functie toestaan ​​verbinding te maken met de S3-bucket door de juiste in te stellen AWS Identiteits- en toegangsbeheer (IAM) rechten voor zijn uitvoerende rol.

  1. Op de machtigingen Kies de IAM-rol voor uw functie.
  2. Kies Voeg beleid toe.
  3. Zoek naar AmazonS3ReadOnlyAccess en koppel het aan de IAM-rol.

Nu heb je alle benodigde services geconfigureerd om je functie te testen. Upload een JPG-afbeelding naar de gemaakte S3-bucket door de bucket te openen in de AWS-beheerconsole en op te klikken Uploaden​ Na een paar seconden kunt u het resultaat van de voorspelling zien in de CloudWatch-logboeken. Als vervolgstap zou je de voorspellingen kunnen opslaan in een Amazon DynamoDB tafel.

Na het uploaden van een JPG-afbeelding naar de S3-bucket, krijgen we de voorspelde afbeeldingsklasse als resultaat afgedrukt naar CloudWatch. De Lambda-functie wordt geactiveerd door EventBridge en haalt de afbeelding uit de bucket. Als voorbeeld gaan we de afbeelding hiervan gebruiken papegaai om voorspeld te worden door ons inferentie-eindpunt.

In de CloudWatch-logboeken wordt de voorspelde klasse afgedrukt. Inderdaad, het model voorspelt de juiste klasse voor de afbeelding (ara):

Performance

Om optimale prestaties te bereiken, kunt u verschillende niveaus van geheugeninstelling proberen (die de toegewezen vCPU lineair wijzigen, lees dit voor meer informatie AWS Nieuws Blog​ In het geval van ons geïmplementeerde model realiseren we de meeste prestatieverbeteringen bij een instelling van ongeveer 3GB - 4GB (~ 2vCPU's) en de winsten daarbuiten zijn relatief laag. Verschillende modellen zien verschillende niveaus van prestatieverbetering door een grotere hoeveelheid CPU, dus het is het beste om dit experimenteel voor uw eigen model te bepalen. Bovendien wordt het ten zeerste aanbevolen dat u uw broncode compileert om hiervan te profiteren Geavanceerde vectoruitbreidingen 2 (AVX2) op Lambda die de prestaties verder verhoogt door vCPU's toe te staan ​​een groter aantal integer- en floating-point-bewerkingen per klokcyclus uit te voeren.

Conclusie

Met containerimage-ondersteuning voor Lambda kunt u uw functie nog meer aanpassen, waardoor veel nieuwe use-cases voor serverloze ML worden geopend. U kunt uw aangepaste modellen meenemen en ze op Lambda implementeren met maximaal 10 GB voor de grootte van de containerimage. Voor kleinere modellen die niet veel rekenkracht nodig hebben, kunt u online training en gevolgtrekking puur in Lambda uitvoeren. Wanneer de modelgrootte toeneemt, worden koudestartproblemen steeds belangrijker en moeten ze dat ook zijn gemitigeerd​ Er is ook geen beperking op het framework of de taal met containerafbeeldingen; andere ML-frameworks zoals PyTorch, Apache MXNet, XGBoostof Scikit leren kan ook worden gebruikt!

Als u GPU nodig heeft voor uw gevolgtrekking, kunt u overwegen om containerservices zoals Amazon Elastic Container Service (Amazon ECS), Kubernetes, of implementeer het model op een Amazon SageMaker eindpunt.


Over de auteur

Jan Bauer is een Cloud Application Developer bij AWS Professional Services. Zijn interesses zijn serverless computing, machine learning en alles wat met cloud computing te maken heeft.

Bron: https://aws.amazon.com/blogs/machine-learning/using-container-images-to-run-tensorflow-models-in-aws-lambda/

Verder lezen

AI

Amazon lanceert computer vision-service om defecten in gefabriceerde producten op te sporen

avatar

gepubliceerd

on

Amazon vandaag aangekondigd de algemene beschikbaarheid van Amazon Lookout for Vision, een cloudservice die afbeeldingen analyseert met behulp van computervisie om product- of procesdefecten en anomalieën in gefabriceerde goederen op te sporen. Amazon zegt dat Lookout for Vision, dat beschikbaar is in select Amazon Web Services (AWS) regio's via de AWS-console en ondersteunende partners, kan een AI-model trainen met slechts 30 basislijnafbeeldingen.

Taken in de productie kunnen foutgevoelig zijn als mensen op de hoogte zijn. EEN studies van Vanson Bourne ontdekte dat 23% van alle ongeplande productiestilstand het gevolg is van menselijke fouten, vergeleken met slechts 9% in andere segmenten. Het ruimtevaartuig Mars Climate Orbiter, dat $ 327.6 miljoen kostte, werd vernietigd omdat de meeteenheden niet correct konden worden omgezet. En een farmaceutisch bedrijf gerapporteerd een misverstand dat ertoe leidde dat een waarschuwingsticket werd opgeheven, dat vier dagen aan de productielijn kostte voor £ 200,000 ($ 253,946) per dag.

Lookout for Vision probeert dit tegen te gaan door een beetje AI in de mix te injecteren, fabricage- en productiefouten op te sporen, waaronder scheuren, deuken, onjuiste kleuren en onregelmatige vorm in producten door hun uiterlijk. De service kan duizenden afbeeldingen per uur verwerken en vereist geen voorafgaande verplichting of minimumvergoeding, zegt Amazon. Klanten betalen per uur voor gebruik om het model te trainen en anomalieën of defecten op te sporen met behulp van de service.

Na analyse van de data rapporteert Lookout for Vision afbeeldingen die afwijken van de baseline via het service dashboard of een real-time API. Lookout for Vision is geavanceerd genoeg om de nauwkeurigheid te behouden met variaties in camerahoek, houding en belichting als gevolg van veranderingen in werkomgevingen, beweert Amazon. Toch hebben klanten de mogelijkheid om feedback te geven over de resultaten, of een voorspelling een afwijking correct heeft geïdentificeerd. Lookout for Vision traint automatisch het onderliggende model zodat de service continu verbetert.

Klanten die Lookout for Vision gebruiken, zijn onder meer GE Healthcare, Basler en Dafgards uit Zweden. (Lookout for Vision gelanceerd in preview met klanten vanaf december 2020, na de onthulling tijdens Amazon's virtuele re: Invent-conferentie.) Dafgards gebruikt de service om de inspectie van zijn productielijnen te automatiseren en te detecteren of pizza's, hamburgers en quiches de juiste toppings hebben . En Amazons eigen Print-On-Demand-faciliteit, die boeken op aanvraag afdrukt om bestellingen van klanten uit te voeren, gebruikt Lookout for Vision om visuele inspectie bij elke stap van de boekproductie te automatiseren en op schaal te brengen.

“Of een klant nu toppings op een diepvriespizza legt of nauwkeurig gekalibreerde onderdelen voor een vliegtuig vervaardigt, wat we ondubbelzinnig hebben gehoord, is dat het essentieel is voor hun bedrijf om te garanderen dat alleen hoogwaardige producten de eindgebruikers bereiken. Hoewel dit misschien voor de hand ligt, kan het verzekeren van een dergelijke kwaliteitscontrole in industriële pijpleidingen in feite een hele uitdaging zijn, ”zei VP van Amazon Machine Learning bij AWS Swami Sivasubramanian in een persbericht. “We zijn verheugd om Amazon Lookout for Vision te kunnen leveren aan klanten van elke omvang en in alle industrieën om hen te helpen snel en kosteneffectief defecten op schaal te detecteren om tijd en geld te besparen met behoud van de kwaliteit waarop hun consumenten vertrouwen - zonder machine learning-ervaring. verplicht."

VentureBeat

De missie van VentureBeat is om een ​​digitaal stadsplein te zijn voor technische besluitvormers om kennis op te doen over transformatieve technologie en transacties. Onze site biedt essentiële informatie over datatechnologieën en strategieën om u te begeleiden bij het leiden van uw organisaties. We nodigen u uit om lid te worden van onze community, om toegang te krijgen tot:

  • up-to-date informatie over de onderwerpen die u interesseren
  • onze nieuwsbrieven
  • gated thought-leader content en toegang met korting tot onze gewaardeerde evenementen, zoals Transform
  • netwerkfuncties en meer

Word lid

Bron: https://venturebeat.com/2021/02/24/amazon-launches-computer-vision-service-to-detect-defects-in-manufactured-products/

Verder lezen

AI

IBM zou zich terugtrekken uit de gezondheidszorg met Watson 

avatar

gepubliceerd

on

Naar verluidt overweegt IBM een verkoop van Watson Health, een indicatie van de uitdagingen van het toepassen van AI in de gezondheidszorg. IBM blijft investeren in cloudservices met behulp van Watson. (Foto door Carson Masterson op Unsplash.)  

Door John P. Desmond, AI Trends Editor  

Vorige week doken berichten op dat IBM een verkoop van Watson Health overweegt, een terugtrekking uit de markt van AI toegepast op de gezondheidszorg die IBM had nagestreefd onder leiding van zijn vorige CEO. 

The Wall Street Journal meldde vorige week dat IBM de verkoop van Watson Health aan het onderzoeken was; IBM heeft het rapport niet bevestigd. Tien jaar geleden, toen IBM Watson won op de Gevaar! spelshow tegen twee van de recordwinnaars van de game, het merk Watson in AI werd opgericht. 

Zoals gemeld in AI Trends afgelopen februari, thij dag nadat Watson de twee menselijke kampioenen versloeg Gevaar!, IBM kondigde aan dat Watson op medisch gebied zou gaan. IBM zou zijn vermogen om de natuurlijke taal die het op televisie liet zien te begrijpen en het toepassen op de geneeskunde. Het eerste commerciële aanbod zou binnen 18 tot 24 maanden beschikbaar zijn, beloofde het bedrijf, volgens een account in IEEE Spectrum vanaf april 2019.  

Het was een moeilijke weg. IBM was het eerste bedrijf dat een grote stap zette om AI in de geneeskunde te brengen. Het alarm ging af Robert Wachter, voorzitter van de afdeling geneeskunde aan de Universiteit van Californië, San Francisco, en auteur van het boek van 2015 The Digital Doctor: Hope, Hype, en Harm at the Dawn of Medicine's Computer Age (McGraw-Hill). De Watson winnen op Jeopardy! Gaf de IBM AI-salesforce een lanceerplatform.  

"Ze kwamen met marketing eerst, product als tweede, en maakten iedereen enthousiast", aldus Wachter. 'Toen raakte het rubber de weg. Dit is een ongelooflijk moeilijke reeks problemen, en IBM heeft dat, door als eerste uit de bus te komen, dat voor alle anderen aangetoond. "  

De toenmalige CEO van IBM, Ginni Rometty, gebruikte Watson Victory om AI in de gezondheidszorg te lanceren  

Ginni Rometty, De toenmalige CEO van IBM vertelde een publiek van IT-professionals in de gezondheidszorg op een conferentie in 2017 dat "AI mainstream is, het is er en het kan bijna alles in de gezondheidszorg veranderen." Ze zag, zoals velen, het potentieel van AI om de gezondheidszorg te helpen transformeren. 

Watson had vooruitgang in natuurlijke taalverwerking gebruikt om Jeopardy te winnen. Het Watson-team gebruikte machine learning op een trainingsdataset met aanwijzingen en reacties van Jeopardy. Om de zorgmarkt te betreden, probeerde IBM tekstherkenning in medische dossiers te gebruiken om zijn kennisbasis op te bouwen. Ongestructureerde gegevens, zoals doktersnotities vol jargon en steno, kunnen 80 bedragen% van het dossier van een patiënt. Het was een uitdaging.   

De inspanning was om een ​​diagnostisch hulpmiddel te bouwen. IBM richtte in 2015 de Watson Health-divisie op. De eenheid deed voor $ 4 miljard aan acquisities. Er werd verder gezocht naar de medische businesscase om de investeringen te rechtvaardigen. Er zijn veel projecten gestart rond beslissingsondersteuning met behulp van grote medische datasets. Een focus op oncologie om kankerbehandeling voor patiënten te personaliseren, zag er veelbelovend uit.  

Artsen bij de MD Anderson Cancer Center van de Universiteit van Texas in Houston, werkte samen met IBM om een ​​tool te maken met de naam Oncology Expert Advisor. MD Anderson heeft de tool gekregen testfase op de leukemie-afdeling; het is nooit een commercieel product geworden.   

Het project liep niet goed af; het werd in 2016 geannuleerd. Uit een audit door de Universiteit van Texas bleek dat het kankercentrum 62 miljoen dollar aan het project had uitgegeven. De IEEE Spectrum-auteurs zeiden dat het project "een fundamentele mismatch aan het licht bracht tussen de belofte van machine learning en de realiteit van medische zorg", iets dat nuttig zou zijn voor de artsen van vandaag.  

IBM maakte in 2018 een ronde van ontslagen bij de IBM Watson Health-eenheid, volgens een ander rapport van destijds door IEEE Spectrum in juni 2018​ Ingenieurs van een van de bedrijven die IBM had overgenomen, Phytel, meldden dat het klantenbestand voor zijn oplossing voor patiëntanalyse sinds de overname is afgenomen van 150 naar 80. "Kleinere bedrijven eten ons levend", aldus de ingenieur. “Ze zijn beter, sneller, goedkoper. Ze winnen onze contracten, nemen onze klanten over, doen het beter met AI. "  

Mismatch gezien tussen realiteit van gezondheidszorg en belofte van AI  

Dr. Thomas J. Fuchs, decaan van AI en menselijke gezondheid, Mount Sinai Health System

Dit idee van een discrepantie tussen de belofte van AI en de realiteit van de gezondheidszorg werd vorige week gedetacheerd in het Wall Street Journal-rapport dat technologiebedrijven mogelijk niet de diepgaande expertise hebben in hoe de gezondheidszorg werkt in patiëntenomgevingen. "Je moet echt de klinische workflow in de loopgraven begrijpen", aldus Thomas J. Fuchs, decaan van kunstmatige intelligentie en menselijke gezondheid van Mount Sinai Health System. "Je moet begrijpen waar je AI kunt invoegen en waar het nuttig kan zijn" zonder de zaken in de kliniek te vertragen. 

Het verpakken van AI-vooruitgang in de informatica tot een levensvatbaar softwareproduct of -service is altijd een fundamentele uitdaging geweest in de softwarebusiness. "Watson is misschien heel symbolisch voor een bredere kwestie bij IBM, namelijk het nemen van goede wetenschap en het vinden van een manier om deze commercieel relevant te maken", aldus Toni Sacconaghi, een analist bij Bernstein Research.  

Toni Sacconaghi, analist, Bernstein Research

Nieuwe IBM-CEO Arvind Krishna heeft gezegd dat AI samen met hybride is cloud computing, zou in de toekomst cruciaal zijn voor IBM. (Bekijk AI Trends, November 2020.) Krishna is op weg om de worstelende bedrijfseenheden te verlaten en zich te concentreren op degenen die een consistente groei kunnen leveren. Als onderdeel van deze inspanning is IBM bezig zijn divisie beheerde IT-services uit te bouwen tot een nieuw beursgenoteerd bedrijf; IT-services worden door analisten gezien als een dalende marge. IBM had in 100 $ 2010 miljard aan omzet en vorig jaar $ 73.6 miljard. 

Een andere uitdaging voor AI in de gezondheidszorg is het ontbreken van standaarden voor gegevensverzameling, waardoor het moeilijk is om modellen toe te passen die zijn ontwikkeld in de ene zorgsetting en toe te passen in andere. "Het aanpassingsprobleem is ernstig in de gezondheidszorg", zegt Andrew Ng, een AI-expert en CEO van startup Landing AI, gevestigd in Palo Alto, Californië, tegen The Wall Street Journal. 

Gezondheidszorgmarkten waar AI veelbelovend is en resultaten heeft behaald, zijn onder meer radiologie en pathologie, waar beeldherkenningstechnieken kunnen worden gebruikt om specifieke vragen te beantwoorden. AI heeft ook vooruitgang geboekt bij het stroomlijnen van bedrijfsprocessen zoals facturering en grafieken, wat kan helpen geld te besparen en personeel vrij te maken om zich te concentreren op meer uitdagende gebieden. Administratieve kosten zouden 30 procent van de zorgkosten bedragen. 

Ondertussen gaan de investeringen voor AI in de gezondheidszorg door, en de uitgaven zullen naar verwachting met 48 jaar groeien% tot 2023, volgens een recent rapport van Business Insider. Nieuwe spelers zijn onder meer giganten zoals Google, dat een Cloud Healthcare Application Programming Interface (API) heeft gedefinieerd, die gegevens uit de elektronische medische dossiers van gebruikers kan halen via machine learning, met als doel artsen te helpen beter onderbouwde klinische beslissingen te nemen. Google werkt ook samen met de University of California, Stanford University en de University of Chicago aan een AI-systeem om de uitkomsten van ziekenhuisbezoeken te voorspellen 

AI wordt ook toegepast bij de verschuiving naar gepersonaliseerde gezondheidszorg, bijvoorbeeld met draagbare technologie zoals FitBits en smartwatches, die gebruikers en zorgprofessionals kunnen waarschuwen voor mogelijke gezondheidsproblemen en risico's.  

Terwijl IBM zich terugtrekt van het toepassen van Watson in de gezondheidszorg, breidt IBM de rol van Watson in zijn cloudserviceaanbod uit. Deze omvatten natuurlijke taalverwerking, sentimentanalyse en virtuele assistenten, volgens vermeldingen op de IBM Watson-blog,  

Lees de bronartikelen en informatie in The Wall Street Journalin IEEE Spectrum vanaf april 2019, in AI Trends Februari 2020, in IEEE Spectrum vanaf juni 2018 AI Trends, November 2020, vanaf Business Insider en in de IBM Watson-blog.  

Bron: https://www.aitrends.com/healthcare/ibm-reportedly-retreating-from-healthcare-with-watson/

Verder lezen
Blockchain4 dagen geleden

VeChain-beoordeling: Blockchain Supply Chain Management

Amb Crypto5 dagen geleden

Litecoin-prijsanalyse: 20 februari

Amb Crypto5 dagen geleden

Waarom MicroStrategy en andere instellingen geen spijt hebben van hun Bitcoin-aankopen

PR Newswire4 dagen geleden

S3 AeroDefense ondertekent distributieovereenkomst en reparatielicentie van 10 jaar met Honeywell Aerospace

Amb Crypto5 dagen geleden

Waarom de acceptatie van Bitcoin door de detailhandel voor $ 55,000 een uitdaging kan zijn

automotive5 dagen geleden

Tesla's Gigafactory-formule is ontstaan ​​uit een bescheiden "tent" in de Fremont Factory

Amb Crypto5 dagen geleden

Polkadot, Cosmos, IOTA Prijsanalyse: 20 februari

Amb Crypto5 dagen geleden

Betreden de langetermijnhodlers van Bitcoin de verkopersmarkt?

AI5 dagen geleden

De geweldige technische verhalen van deze week van internet (tot en met 20 februari)

Amb Crypto5 dagen geleden

Chainlink, Aave, SushiSwap Prijsanalyse: 20 februari

Amb Crypto5 dagen geleden

Binance-munt, Tron, FTX-tokenprijsanalyse: 20 februari

Amb Crypto5 dagen geleden

Ethereum-prijsanalyse: 20 februari

Amb Crypto5 dagen geleden

Waarom de prijs van Bitcoin drie weken hoger ligt dan het doel van april van $ 62968

Amb Crypto5 dagen geleden

Monero, Ethereum Classic, VeChain Prijsanalyse: 20 februari

Amb Crypto5 dagen geleden

Bitcoin: hoe zijn de Hodling-patronen van de munt veranderd?

Amb Crypto4 dagen geleden

Ethereum, Uniswap, Dogecoin Prijsanalyse: 21 februari

automotive4 dagen geleden

SpaceX Starship is klaar om erachter te komen of de derde keer later deze week de charme is

Voorgestelde hardware-implementatie van de QEC-code. Het circuit bestaat uit twee Josephson-knooppunten gekoppeld door een gyrator, rood gemarkeerd. KREDIET M. Rymarz et al., Phys Rev X (2021), https://doi.org/10.1103/PhysRevX.11.011032 (CC BY 4.0)
Nano-technologie4 dagen geleden

Blauwdruk voor fouttolerante qubits: wetenschappers van Forschungszentrum Jülich en RWTH Aachen University hebben een circuit ontworpen voor kwantumcomputers dat van nature is beschermd tegen veelvoorkomende fouten

Blockchain3 dagen geleden

Carrefour-shoppers in de VAE krijgen van boer tot bord informatie met blockchain-technologie

Voorgestelde hardware-implementatie van de QEC-code. Het circuit bestaat uit twee Josephson-knooppunten gekoppeld door een gyrator, rood gemarkeerd. KREDIET M. Rymarz et al., Phys Rev X (2021), https://doi.org/10.1103/PhysRevX.11.011032 (CC BY 4.0)
Nano-technologie4 dagen geleden

Blauwdruk voor fouttolerante qubits: wetenschappers van Forschungszentrum Jülich en RWTH Aachen University hebben een circuit ontworpen voor kwantumcomputers dat van nature is beschermd tegen veelvoorkomende fouten

Trending