精度
麻省理工Nature子刊：AI加速量子化学计算，精度媲美「金标准」，计算效率提升百万倍！
编辑 | 2049在量子化学计算中，精确预测分子电子结构一直是一个重要而富有挑战性的课题。 传统的密度泛函理论（DFT）方法虽然计算速度快，但精度有限；而高精度的耦合簇（CCSD（T））方法虽然被视为「金标准」，但其计算成本随分子大小呈指数级增长，难以应用于复杂体系。 最近，麻省理工学院的研究团队开发出一种创新的多任务学习方法，成功将机器学习与量子化学计算相结合，实现了接近CCSD（T）精度的分子电子结构预测。
解读阿里云PAI模型压缩技术落地实时移动端智能应用
随着移动端AI应用部署需求的日益增强，模型压缩作为深度学习模型实现轻量化部署的有效手段，在移动端场景越来越受关注。尤其是剪枝、量化、权重稀疏化与网络结构搜索等算法策略，能够帮助减少深度模型端侧部署时的资源消耗（Latency、Energy与Memory等），始终是学术界与工业界的发展焦点。阿里云机器学习PAI平台模型压缩技术，在端智能应用场景实现了端侧智能的快速赋能与应用落地。尤其在2020年阿里双十一期间，淘宝直播App的“一猜到底”语音交互游戏中，PAI模型压缩技术体现了关键作用。淘宝直播一猜到底背后的模型压缩
- 1