Radboud科学家探索材料「量子大脑」——没有软件，硬件也可以实现机器学习
「智能材料」可以通过学习来改变自身的物理特性，这类似于人类大脑的运行方式，因此有可能成为全新一代计算机的基础。来自Radboud的物理学家们一直致力于「量子大脑」的研究，最近迈出了关键性的一步。
该团队于2月1日在《自然·纳米技术》中发表了他们的最新研究，实验证明了可以对单原子进行构图和连接形成一个网络，并模仿大脑中神经元和突触的自主行为。这种自适应体系结构为直接在原子级机器学习硬件中进行自主学习铺平了道路。
考虑到全球对计算能力的需求不断增长，越来越多的数据中心被需要，能源消耗也在不断扩大。「很明显，我们必须找到一种新的策略以节能的方式存储和处理信息。」拉德堡德大学扫描探针显微镜教授、项目负责人Alexander Khajetoorians说：「这不仅需要技术的改进，还需要改变基础研究的游戏规则。基于材料的量子特性构建『量子大脑』的新想法可能会成为未来人工智能应用解决方案的基础。」
论文地址：/articles/s41565-020-00838-4
意大利学者提出全新胶囊网络Efficient-CapsNet，仅需原始参数的2%，效果依然强势
近日，来自意大利的研究者提出了一种高效的自注意路由胶囊网络（Capsule Network with Self-Attention Routing, Efficient-CapsNet)，相对传统的CNN，仅需要原始版本胶囊网络参数的2%，就可以在多个数据集上获得最先进的结果。
他们深入研究了胶囊网络的的效率，并在参数仅仅有16万的情况下，将网络的性能推到了极致。在实验部分，研究者证明，他们提出的架构，在参数量降低为原始CAPSNET的2%的情况下，还可以在三个不同的数据集上实现最先进的结果。此外，研究者用一个新颖的非迭代、高度并行的的路由算法替代了动态路由，利用自我注意机制，这种新颖的算法可以很容易地对小数量的胶囊进行处理。最后，研究者还在其他胶囊上做了额外的实验，结果证明了Efficient-CapsNet的有效性，也证明了胶囊网络可以有效嵌入更为泛化的可视化表示这一特点。
该论文的贡献主要在于：
深入研究了基于胶囊的网络的泛化能力，与以前的文献研究相比，大大减少了可训练参数的数量；
概念化和开发了基于胶囊的高效、高度可复制的深度学习神经网络，并能够在三个不同的数据集上达到最先进的结果；
引入了一种新颖的非迭代、高度并行的路由算法，即使胶囊数量减少了，该算法也能利用自我注意机制来对其进行有效的路由。
论文中的所有训练和测试代码都是开源的，可以公开使用，论文地址如下：/pdf/2101.12491.pdf
谷歌“公式制造机”登上Nature，你也能用它“变成”数学天才
AI，可以产生数学公式，还是迄今尚未解决的那种问题。例如π和e这样的常数，虽然在科学领域司空见惯，但是计算其高精度近似值往往令人头大。今日，Nature发表了由谷歌打造的一个项目——拉马努金机（Ramanujan Machine），它能算近似值，还能在数学计算中快速找出精准规律。
拉马努金机目前的功能之一便是生成连分数 （continued fractions）。它是计算π和e这样常数的方式之一，它的分母无限延伸下去，结果就会越来越接近：
鉴于各种数学常数的连分数是存在却不是唯一的，如果找到一个合适的连分数，那么计算结果的收敛速度会非常快，大大减少计算机的运算量。而发现连分数里那些特殊整数的规律，需要有长年数学知识的积累，更要有易于常人的直觉。有了拉马努金机器，就可以用电脑代替人的思维去寻找特殊的连分数了，并且将它应用到各种概念上重要的数字上。
参考链接：
/articles/d41586-021-00304-8
项目地址：
/AnonGit90210/RamanujanMachine
美国再生医学公司Cellino获1600万融资，欲用AI大规模生产诱导多能干细胞
2月1日，美国再生医学公司Cellino宣布完成1600万美元种子轮融资。本轮融资由美国麻省理工学院（MIT）创建的非盈利投资机构The Engine和投资机构Khosla Ventures领投，Humboldt Fund和8VC机构等跟投。
据悉，此轮融资资金将用于进一步研发AI引导的激光编辑细胞技术。该公司表示，希望最终能实现大规模生产诱导多能干细胞（induced pluripotent stem cell，iPSC），以打破诱导多能干细胞难以规模化的技术瓶颈。诱导多能干细胞，又称人工诱导多能干细胞，是一种由体细胞脱分化形成的多能干细胞。诱导多能干细胞与胚胎干细胞拥有相似的再生能力，理论上可以分化为成体的所有器官或组织，被认为在再生医学及组织工程方面有较为广阔的应用前景，有望为治愈糖尿病、关节炎等疾病提供新思路。
NumPy迎规模最大版本更新，新增函数注释等功能，支持Python 3.7+
自初代版本上线之后，NumPy已经成为Python科学计算的扩展包。如今，在计算多维数组和大型数组方面，它是使用最广的。近日，NumPy 迎来了更新。NumPy官方表示，NumPy v1.20是迄今为止规模最大的版本更新 ，共计184位开发者贡献了约 684 条 PR，新增了类型注释、滑动窗口视图等功能。
新版本支持 Python 3.7-3.9，但不支持 Python 3.6，主要亮点如下：
NumPy 函数注释；
扩大 SIMD 使用范围，提升 ufuncs（Universal Functions）的执行速度；
更改数据类型和强制转换实现的准备工作，以便为扩展数据类型提供更简单的途径；
文档改进，包括大约 185 个 PR 合并；
关于移除 Python 2.7 的进一步清理（cleanups）， 这样可以提高代码的可读性并消除技术负担；
对即将到来的 Cython 3.0 提供初步支持。
点击左下角“阅读原文”，了解更多！
