Premio Gordon Bell otorgado por simulaciones de materiales que logran precisión cuántica a gran escala
Premio Gordon Bell otorgado a las simulaciones de materiales logrando precisión cuántica a gran escala
![El logotipo de ACM. El Premio ACM Gordon Bell sigue el progreso de la computación paralela y recompensa la innovación en la aplicación de la computación de alto rendimiento a desafíos en ciencia, ingeniería y análisis de datos a gran escala. ¶ Crédito: Asociación de Máquinas de Computación](https://ai.miximages.com/cacm.acm.org/system/assets/0004/6691/111723_ACM_logo.large.jpg?1700238978&1700238977)
Un equipo de investigadores de instituciones de Estados Unidos e India recibió el Premio ACM Gordon Bell 2023 por un marco de simulación de materiales que combina la precisión proporcionada por los métodos de Quantum Many-Body (QMB) con la eficiencia de la Teoría de la Funcional de Densidad (DFT).
El equipo propuso tres módulos interconectados para su nuevo método.
Uno de ellos fue un avance metodológico en DFT inverso (invDFT) que vincula los métodos QMB con DFT.
El segundo módulo fue una función de densidad aprendida por máquina, entrenada con datos invDFT y compatible con la precisión cuántica, al que llamaron MLXC.
- DeepMind pronostica con precisión el clima en una computadora de escritorio
- Holograma permite que Marcos de Filipinas hable en Singapur mientras visita Estados Unidos.
- ¿Son los cúbits de gato la clave para una computación cuántica confiable en la era moderna?
El tercero fue una implementación adaptativa de DFT de elemento finito espectral de orden superior que integra MLXC con estrategias eficientes de resolución y las innovaciones en álgebra lineal, algoritmos de precisión mixta y cómputo-comunicación asíncrona en supercomputación.
El premio se presentó en la Conferencia Internacional de Computación, Redes, Almacenamiento y Análisis de Alto Rendimiento (SC23). De la Asociación de Máquinas de Computación Ver artículo completo
Derechos de autor de los resúmenes © 2023 SmithBucklin, Washington, D.C., EE. UU.
We will continue to update Zepes; if you have any questions or suggestions, please contact us!
Was this article helpful?
93 out of 132 found this helpful
Related articles
- Métricas de evaluación para clasificación más allá de la precisión
- ¿Son realmente globales las variables en Python?
- Este artículo de IA presenta LLaVA-Plus un asistente multimodal de propósito general que amplía las capacidades de los modelos multimodales grandes
- Navegando el desafío cartográfico a medio camino del #30DayMapChallenge
- Explicación de la Atención de Múltiples Consultas
- Revisión del Creador de Colossyan ¿El Mejor Generador de Videos de IA?
- Métodos para modelar el valor de por vida del cliente Las cosas buenas y las trampas