接下来的读物:一些文献
量子计算和大语言模型 (Quantum computing and Large Language Model [LLM] )2023年4月2日
时间到了2023年4月了,疫情的阴霾已经一扫而光,GPT-4 大热,背后的算法也是开发者的重点之重,竞相研究。笔者在考量 量子计算和大语言模型。
首先GPT-4 给出的量子计算的通俗易懂解释和主要文献,读不懂也要读,哪怕只是用来名词满嘴跑火车,一个一个蹦出来。
量子计算是一种基于量子力学原理的计算方法,与传统计算机(基于经典物理学)有很大区别。通俗易懂地说,量子计算机利用量子比特(qubits)作为信息的基本单位,而传统计算机则使用经典比特(bits)。量子比特的特殊之处在于它可以同时表示0和1,这种现象称为叠加态(superposition)。这使得量子计算机能够在某些问题上比经典计算机更快、更高效地处理信息。
以下是一些量子计算的重要文献:
- Peter Shor (1994) “Algorithms for quantum computation: Discrete
logarithms and factoring” -
本文提出了著名的Shor算法,该算法可以快速分解大整数,对加密技术产生了巨大影响。 - Lov K. Grover (1996) “A fast quantum mechanical algorithm for
database search” - Grover发表了量子搜索算法,也称为Grover算法,该算法可以加速无序数据库的搜索问题。 - Charles H. Bennett, Gilles Brassard (1984) “Quantum cryptography:
Public key distribution and coin tossing” -
本文提出了量子密码学的基本概念,为量子通信和安全领域奠定了基础。 - Michael A. Nielsen, Isaac L. Chuang (2000) “Quantum Computation and
Quantum Information” - 这是一本关于量子计算和量子信息理论的经典教材,涵盖了量子计算机的基本原理和技术。 - John Preskill (2018) “Quantum Computing in the NISQ era and beyond”
- 本文讨论了噪声中等规模量子(NISQ)设备的应用前景和未来的量子计算技术。
这些文献对量子计算领域的发展产生了深远影响。随着技术的进步,量子计算机有望在诸如优化问题、材料科学、药物设计等领域发挥重要作用。
DDD 和 分布式机器学习 Ray 2021年8月24日
-
云原生是分布式的,我们现在的应用程序大都是主从模块式。怎么将大块的主从模块式的架构改造迁移到分布式的云原生应用呢?DDD和云原生相辅相成,DDD代表domain driven design,即业务场景驱动的设计。
-
分布式机器学习,基于Ray框架的分布式机器学习,使得原有的模块代码可以得到最大程度的重复使用,同时可以达到普通商业机器上的并行分布式计算,大大提高机器学习训练效率,从而减低训练时间和成本。
这个是2017年7月写的,不要让时间抹去记忆
先写一下课题,欢迎来函告诉我,哪些课题你愿意我先写,先介绍。
-用MongoDB的capped collection做队列服务。
-什么是Restful
-spark和Mongo的简单实践
-VoltDB介绍
-NoSQL介绍
-Vault介绍
-Terraform介绍
-vagrant介绍
-具有时间序列的应用多种解法
-WebGL介绍
-人工智能算法和链接
-日志应用简介
-区块链在物流应用中的痛点
-Design Pattern
-状态图(State design pattern)
-(decorate)
-(disruptor)
- (Facade)
-(Observor)
-Java异常的单元测试
-用JS做企业级表格