تمرکز پژوهش: هفته 9 ژانویه 2023
به سایت آموزشی میتوانید خوش آمدید، درضمن اگر برای کسب و کار به جذب مشتری نیاز دارید پیشنهاد میکنیم روی سایت تبلیغات کلیک کنید تا بزرگترین سایت تبلیغات ایران بشوید.
تمرکز پژوهش: هفته 9 ژانویه 2023
کاوش مکانیسم واکنش از ابتدا با توان بالا در ابر با اعتبار سنجی چند مرجع خودکار
Jan P. Unsleber، Hongbin لیو، لئوپولد تالیرز، توماس ویموث، ماکسیمیلیان مورخن، آدام گروف، دیو وکر، کریستوفر جی استین، آجی پانیالا، بو پنگ، کارول کوالسکی، ماتیاس ترویر، مارکوس ریهر
محاسبات شیمیایی کوانتومی در سیستم های اتمی به یک رویکرد استاندارد برای مطالعه ماده مولکولی تبدیل شده است. این محاسبات اغلب شامل مقدار قابل توجهی از ورودی دستی و ملاحظات فرآیندی خاص است که میتواند خودکار باشد و امکان کارایی بیشتر را فراهم کند. در مقاله اخیر ما: کاوش مکانیسم واکنش از ابتدا با توان بالا در ابر با اعتبارسنجی چند مرجع خودکار، ما گردش کار AutoRXN را ارائه می کنیم. گردش کار خودکار برای محاسبات ساختار الکترونیکی اکتشافی با کارایی بالا سیستم های مولکولی. در این گردش کار، (1) روشهای تئوری تابعی چگالی برای ارائه ساختارهای حداقل و حالت گذار و انرژیها و خواص مربوطه مورد بهرهبرداری قرار میگیرند، (2) محاسبات خوشهای جفتشده برای سازههای بهینهشده برای ارائه تخمینهای انرژی و خواص دقیقتر راهاندازی میشوند، و iii) تشخیص های چند مرجع برای بررسی مجدد نتایج خوشه های جفت شده و قرار دادن آنها در محاسبات چند پیکربندی خودکار برای موارد بالقوه چند پیکربندی ارزیابی می شوند. تمام محاسبات در یک محیط ابری انجام می شود و از کمپین های محاسباتی عظیم پشتیبانی می کند. ویژگی های کلیدی همه اجزای گردش کار AutoRXN، استقلال، پایداری و حداقل تداخل اپراتور است. ما گردش کار AutoRXN را در مثال مکانیزم واکنش خودمختار کاوش در نحوه عملکرد یک کاتالیزور همگن برای کاهش نامتقارن کتون ها برجسته می کنیم.
رویداد در کانون توجه: رویداد درخواستی
اجلاس تحقیقاتی مایکروسافت 2022
در صورت تقاضا
اکنون تماشا کنید تا در مورد برخی از مبرمترین سؤالات پیش روی جامعه تحقیقاتی ما بیاموزید و به مکالمات با بیش از 120 محقق در مورد چگونگی اطمینان از آن گوش دهید فن آوری های جدید گسترده ترین منافع ممکن را برای بشریت دارند.
تأثیر متفاوت بر دسترسی به اطلاعات آنلاین در طول همه گیری COVID-19
جینا سو ، اریک هورویتز، Ryen W. White، Tim Althoff
علیرغم تلاشها برای از بین بردن شکاف درازمدت و اضطراری برابری سلامت، مطالعات در طول همهگیری COVID-19 نشان میدهد که زیرجمعیتهای آسیبدیده اجتماعی-اقتصادی و محیطی به طور نامتناسبی توسط این بیماری آسیب دیدهاند[1] . دسترسی دیجیتالی به خدمات و اطلاعات سلامت نیز به عنوان یک عامل مهم تعدیل کننده نتایج سلامت ظاهر شده است. در طول همهگیری، مشارکت دیجیتالی در منابع در سراسر نیازهای بهداشتی، آموزشی، اقتصادی و اجتماعی به دلیل الزامات قرنطینه و افزایش استفاده از ارتباطات مبتنی بر اینترنت توسط مؤسسات عمومی به یک ضرورت تبدیل شد. متأسفانه، نابرابریها در دسترسی دیجیتالی ابعاد اجتماعی-اقتصادی و محیطی را نیز منعکس میکند، که میتواند منجر به پیامدهای آفلاین منفی شود و یک «چرخه معیوب دیجیتال» ایجاد کند[2]. بنابراین، شناسایی جمعیتهای آسیبپذیر و درک موانع احتمالی برای منابع دیجیتالی حیاتی، یک اولویت بهداشت عمومی است.
در مقاله جدید: تأثیر متفاوت بر دسترسی به اطلاعات آنلاین در طول همه گیری COVID-19، منتشر شده در Nature Communications، محققان مایکروسافت ریسرچ و دانشگاه واشنگتن برای استفاده از محوریت موتورهای جستجوی وب برای آنلاین همکاری کرده اند. دسترسی به اطلاعات برای مشاهده نابرابری های دیجیتال در طول همه گیری. آنها بیش از 55 میلیارد تعامل جستجوی وب در Bing را در طول همه گیری همه گیر در 25150 کد پستی ایالات متحده تجزیه و تحلیل کردند تا نشان دهند که عوامل اجتماعی-اقتصادی و محیطی با استفاده متفاوت از منابع دیجیتال در جوامع مختلف مرتبط هستند – حتی اگر به صورت دیجیتالی متصل باشند.
کتابخانه کارایی داده DeepSpeed: به سمت داده های کمتر، آموزش سریعتر و کیفیت مدل بالاتر
تیم DeepSpeed، آندری پروسکورین
DeepSpeed یک کتابخانه کارایی داده برای بهینه سازی کارایی و هزینه آموزش یادگیری عمیق. این کتابخانه الگوریتمهای جدیدی را برای نمونهبرداری/زمانبندی کارآمد دادهها از طریق یادگیری برنامه درسی و مسیریابی کارآمد دادهها از طریق حذف نشانه تصادفی لایهای، همراه با پشتیبانی از کتابخانه قابل تنظیم و تنظیم ارائه میدهد. کتابخانه هزینه آموزش را تا حد زیادی کاهش میدهد و در عین حال کیفیت مدل را حفظ میکند (1.5-2 برابر داده و زمان کمتر برای پیشآموزش GPT-3/BERT)، یا کیفیت مدل را تحت همان هزینه آموزشی (بیش از 1 امتیاز برای GPT-3-1.3B صفر) بهبود میبخشد. /ارزیابی چند شات). کد منبع باز در https://github.com/microsoft/DeepSpeedاست. >.
میتوانید در پست وبلاگ ما بیشتر بیاموزید و در مقالات زیر.
برنامه پژوهشگران در Microsoft Research India – اکنون درخواست دهید
برنامه پژوهشگران در Microsoft Research India اکنون برای پاییز 2023 درخواست میپذیرد. این فرصتی است برای همکاری با محققان در سطح جهانی در زمینه فناوری پیشرفته. این برنامه دانشجویان را برای مشاغل در زمینه تحقیقات، مهندسی و کارآفرینی آماده می کند، در حالی که مرزهای علوم و فناوری کامپیوتر را پیش می برد. همکاران پژوهشی قبلی در تمام جنبههای چرخه حیات تحقیق، ایدهپردازی، اجرا، ارزیابی و استقرار مشارکت داشتهاند.
نامزدهای منتخب یک تا دو سال را با Microsoft Research India سپری میکنند. داوطلبان باید BS/BE/BTech یا MS/ME/MTech را در علوم کامپیوتر یا حوزههای مرتبط تکمیل کرده باشند و تا تابستان ۲۰۲۳ فارغالتحصیل شوند. قبل از 3 فوریه 2023 درخواست دهید.
پیشنهاد میکنیم از دیگر نوشته ها دیدن کنید.