跳到主要内容
检索

Keio University

3 篇关联报道

订阅更新
  1. 自适应QM/MM不再在结构与能量间二选一:神经网络抵消切换力,水合结构无伪峰且能量守恒

    自适应多尺度模拟长期面临一个两难:溶剂分子在不同分辨率间切换会引入非物理的切换力,要么牺牲水合结构,要么破坏哈密顿量守恒。集成分子模型(IMM)用一个只以多尺度权重函数为输入的多层感知机学习抵消这些切换力,在纯水、K+、Na+、NH4+、Ca2+、Cl–水溶液和H3O+体系中给出无伪峰的水合结构,并在NVE系综下长期稳定守恒能量。修正力每步仅占约1.8%的计算时间,且在K+上训练的模型可直接用于Na+和NH4+而不需重新训练。

  2. arXiv

    全波形激光雷达Transformer跑进实时:FWL-ToPM剪掉低强度背景,53.2 FPS下F1反升近9点

    全波形激光雷达(FWL)为每个像素记录完整回波直方图,数据量远大于点云,此前基于Transformer的FWL模型推理速度只有每秒数帧,达不到实时要求。FWL-ToPM按信号强度剪除低强度背景块、再沿保持空间邻近的曲线合并剩余块,在Ghost-FWL基准上把F1均值从0.503提升到0.592,同时达到53.2 FPS。配套的FWLAug在保留每条射线飞行时间波形与视锥几何的前提下扩充训练样本,在未见场景的分布外测试集上带来4.6点F1提升。

  3. arXiv

    消费级单卡跑不动的大模型:把部分层交给CPU算,权重搬运藏进计算里

    当模型权重装不进单张消费级GPU时,按需搬运权重会占去解码阶段约98%的时间。一种按层调度的方法把部分层放到CPU上计算,同时异步把下一层的权重传往GPU,用CPU计算时间遮住传输;在RTX 5090台式机上,OPT-30B的推理比HuggingFace Accelerate快3.5倍、比DeepSpeed Zero-Inference快6.3倍。

已读完全部报道