MXN货币资讯MXN最新消息

分析YouTube的深度学习推荐系统论文DeepNeuralNetworksforYouTubeRecommenders,包括《重读Youtube深度学习推荐系统论文,字字珠玑,惊为神文》、《YouTube深度学习推荐系统的十大工程问题》、《揭开YouTube深度推荐系统模型Serving之谜》等,给大家进行一个完整版的解读。

1推荐系统应用场景

(1)商业模式不同。国外的Netflix和国内的爱奇艺等流媒体,它们的大部分内容都是采购或自制的电影、剧集等头部内容,YouTube内容的头部效应没有那么明显。

(2)由于YouTube的视频基数巨大,用户较难发现喜欢的内容。

2YouTube推荐系统架构

前面已经提到YouTube视频基数巨大,这要求其推荐系统能在百万量级的视频规模下进行个性化推荐。考虑到在线系统的延迟问题,不宜用复杂网络直接对所有海量候选集进行排序,所以YouTube采用两级深度学习模型完成整个推荐过程(如图1所示)。

图1YouTube推荐系统整体架构

第一级用候选集生成模型(CandidateGenerationModel)完成候选视频的快速筛选,在这一步,候选视频集合由百万量级降至几百量级。这相当于经典推荐系统架构中的召回层。

第二级用排序模型(RankingModel)完成几百个候选视频的精排。相当于经典推荐系统架构中的排序层。

3候选集生成模型

首先,介绍候选集生成模型的结构(如图2所示)。

自底而上地看这个网络,底层的输入是用户历史观看视频的Embedding向量和搜索词的Embedding向量。

为了生成视频Embedding和搜索词Embedding,YouTube采用的方法是利用用户的观看序列和搜索序列,采用word2vec方法对视频和搜索词做Embedding,再作为候选集生成模型的输入,这个过程是预训练的,不与主模型一起进行端到端训练的。

当然,除了进行Embedding预训练,还可以直接在深度学习网络中增加Embedding层,与上层的DNN一起进行端到端训练,这样做理论上会让模型更逼近优化目标,但由于Embedding层的参数数量往往非常大,会成倍增加模型的训练开销,拖慢模型的更新速度。

图2YouTube候选集生成模型的结构

除了视频和搜索词Embedding向量,特征向量中还包括用户的属性特征Embedding、年龄、性别等。然后把所有特征连接起来,输入上层的ReLU神经网络进行训练。

三层神经网络过后,使用softmax函数作为输出层。读者看到softmax函数就应知道该模型是一个多分类模型。YouTube是把选择候选视频集这个问题看作用户推荐nextwatch(下一次观看视频)的问题,模型的最终输出是一个在所有候选视频上的概率分布,显然这是一个多分类问题,所以这里用softmax作为最终的输出层。

总的来讲,YouTube推荐系统的候选集生成模型是一个标准的利用Embedding预训练特征的深度神经网络模型。

4候选集生成模型独特的线上服务方法

细心的读者可能已经发现,架构图2左上角的模型服务(serving)方法与模型训练方法完全不同。在候选集生成网络的线上服务过程中,YouTube并没有直接采用训练时的模型进行预测,而是采用了一种最近邻搜索的方法,这是一个经典的工程和理论做权衡的结果。

具体来讲,在模型服务过程中,如果对每次推荐请求都端到端地运行一遍候选集生成网络的推断过程,那么由于网络结构比较复杂,参数数量特别是输出层的参数数量非常巨大,整个推断过程的开销会很大。因此,在通过“候选集生成模型”得到用户和视频的Embedding后,通过Embedding最近邻搜索的方法进行模型服务的效率会高很多。这样甚至不用把模型推断的逻辑搬上服务器,只需将用户Embedding和视频Embedding存到Redis等内存数据库或者服务器内存中就好。如果采用局部敏感哈希等最近邻搜索的方法,甚至可以把模型服务的计算复杂度降至常数级别。这对百万量级规模的候选集生成过程的效率提升是巨大的。

如果继续深挖,还能得到非常有意思的信息。架构图中从softmax向模型服务模块画了个箭头,代示视频Embedding向量的生成。这里的视频Embedding是如何生成的呢?由于最后的输出层是softmax,该softmax层的参数本质上是一个mxn维的矩阵,其中m指的是最后一层ReLU层的维度m,n指的是分类的总数,也就是YouTube所有视频的总数n。那么视频Embedding就是这个mxn维矩阵的各列向量。这样的Embedding生成方法其实和Word2vec中词向量的生成方法相同。

5排序模型

通过候选集生成模型,得到几百个候选视频集合,然后利用排序模型进行精排序,YouTube推荐系统的排序模型如图3所示。

图3YouTube排序模型的结构

相比候选集生成模型需要对几百万候选集进行粗筛,排序模型只需对几百个候选视频进行排序,因此可以引入更多特征进行精排。具体一点,输入层从左至右的特征依次是:

(1)当前候选视频的Embedding(impressionvideoIDembedding)。

(2)用户观看过的最后N个视频Embedding的平均值(watchedvideoIDsaverageembedding)。

(3)用户语言的Embedding和当前候选视频语言的Embedding(languageembedding)。

(5)该视频已经被曝光给该用户的次数(#previousimpressions)。

上面5个特征中,前3个的含义是直观的,这里重点介绍第4个和第5个。因为这两个特征很好地引入了YouTube对用户行为的观察。

第5个特征#previousimpressions则在一定程度上引入了探索和利用机制,避免同一个视频对同一用户进行持续的无效曝光,尽量增加用户看到新视频的可能性。

需要注意的是,排序模型不仅针对第4个和第5个特征引入了原特征值,还进行了平方和开方的处理。作为新的特征输入模型,这一操作引入了特征的非线性,提升了模型对特征的表达能力。

经过三层ReLU网络之后,排序模型的输出层与候选集生成模型又有所不同。候选集生成模型选择softmax作为其输出层,而排序模型选择weightedlogisticregression(加权逻辑回归)作为模型输出层。与此同时,模型服务阶段的输出层选择的是e^(Wx+b)函数。YouTube为什么分别在训练和服务阶段选择了不同的输出层函数呢?

从YouTube的商业模式出发,增加用户观看时长才是其推荐系统最主要的优化目标,所以在训练排序模型时,每次曝光期望观看时长(expectedwatchtimeperimpression)应该作为更合理的优化目标。因此,为了能直接预估观看时长,YouTube将正样本的观看时长作为其样本权重,用加权逻辑回归进行训练,就可以让模型学到用户观看时长的信息。

假设一件事情发生的概率是p,这里引入一个新的概念——Odds(机会比),它指一件事情发生和不发生的比值。

对逻辑回归来说,一件事情发生的概率p由sigmoid函数得到,如(公式1)所示:

这里定义变量Odds如(公式2)所示,并代入(公式1)可得。

显而易见,YouTube正是把变量Odds当作了模型服务过程中的输出。为什么YouTube要预测变量Odds呢?Odds又有什么物理意义呢?

这里需要结合加权逻辑回归的原理进行进一步说明。由于加权逻辑回归引入了正样本权重的信息,在YouTube场景下,正样本i的观看时长Ti就是其样本权重,因此正样本发生的概率变成原来的Ti倍(这里也是做了一个近似,实际上需要通过贝叶斯公式来解释),那么正样本i的Odds变成(公式3)所示:

在视频推荐场景中,用户打开一个视频的概率p往往是一个很小的值(通常在1%左右),因此(公式3)可以继续简化:

可以看出,变量Odds本质上的物理意义就是每次曝光期望观看时长,这正是排序模型希望优化的目标!因此,利用加权逻辑回归进行模型训练,利用e^(Wx+b)进行模型服务是最符合优化目标的技术实现。

6训练和测试样本的处理

事实上,为了能够提高模型的训练效率和预测准确率,YouTube采取了诸多处理训练样本的工程措施,主要有以下3点经验供读者借鉴。

(1)候选集生成模型把推荐问题转换成多分类问题,在预测下一次观看(nextwatch)的场景下,每一个备选视频都会是一个分类,因此总共的分类有数百万之巨,使用softmax对其进行训练无疑是低效的,这个问题YouTube是如何解决的呢?

YouTube采用了Word2vec中常用的负采样训练方法减少了每次预测的分类数量,从而加快了整个模型的收敛速度,具体的方法在4.1节已经有所介绍。此外,YouTube也尝试了Word2vec另一种常用的训练方法hierarchicalsoftmax(分层softmax),但并没有取得很好的效果,因此在实践中选择了更为简便的负采样方法。

(2)在对训练集的预处理过程中,YouTube没有采用原始的用户日志,而是对每个用户提取等数量的训练样本,这是为什么呢?

YouTube这样做的目的是减少高度活跃用户对模型损失的过度影响,使模型过于偏向活跃用户的行为模式,而忽略数量更广大的长尾用户的体验。

(3)在处理测试集的时候,YouTube为什么不采用经典的随机留一法(randomholdout),而是一定要以用户最近一次观看的行为作为测试集呢?

只留最后一次观看行为做测试集主要是为了避免引入未来信息(futureinformation),产生与事实不符的数据穿越问题。

可以看出,YouTube对于训练集和测试集的处理过程也是基于对业务数据的观察理解的,这是非常好的工程经验。

7如何处理用户对新视频的偏好

地球是我们共同的家园。

保护它,

就是保护我们的未来。

作者:水门鼬

南极绿了!

极寒冰川上,竟然反常地,呈现出一片盎然的绿意。

网友们将之称为“绿雪”。

但绿雪并非好事儿。

它意味着一种噩梦正在逼近:全球变暖。

绿雪其实是一种藻类。

南极处于极寒天气时,它根本不会出现。但南极变暖,它就会成片冒出、生长、蔓延......

小企鹅的家,

也由一片洁白,变得一派绿蒙蒙。

事实上,这种反常的雪,并不是第一次出现。

大家可能都知道,南极洲曾出现“血雪”。

亿年冰原上“血”迹斑斑。

堪比恐怖片。

这还不是最吓人的。

据说,南极还曾有“血瀑”出现。

“血河”也曾被拍到过。

血雪的出现,也是因气温升高。

气温升高后,红藻大量繁殖,导致冰川穿上“血衣”。

血爆和血河则是因为,冰川下含铁元素的水,融化以后,氧化生锈,变成血红色的“血水”。

也就是说,出现红藻+氧化铁,都是因全球变暖。

巴西有个科学家,曾于2月初时,测得南极气温达到20.75℃。

这是自1880年有气象记录以来,南极气温历史最高。

无独有偶。

北极作为北半球的空调,也越来越不制冷了。

北极冰层,慢慢在融化,形成了无数湖泊,湖中源源不断地冒泡。

这些泡泡是一种温室气体——甲烷。

甲烷原本冻结在冰层中。

全球变暖后,甲烷释放。而甲烷释放,又会反过来加剧全球变暖。

除了南北极,地球最高点珠穆朗玛峰,也没能幸免。

峰顶的不毛之地,竟长出了“绿头发”。

长草位置在6159米处。

这个位置,原本是积雪冰川带,应该寸草不生才对,如今却春意盎然。

但这一点也不值得欣喜。

因为它预示的,不是希望,而是危机。

很多人可能会觉得,极地升温,甲烷爆发,冰川融化,都和自己无关。

但它的变化,其实正在影响每个生灵。

一个极地摄影师在南极拍摄纪录片时,看见企鹅们恶劣的生存环境,崩溃落泪。

“我只希望能保住这里,并保护它们。”

在他身后,冰川已经减少太多。

以下是2019年在南极拍摄的一段视频。

视频中,企鹅们一摇一摆地,沿着冰雪路回家。

可到了2020年,一切都变了。

企鹅们的回家路,变成了光秃秃的岩石路。

雪没有了。

它们的家,也没有了。

现在,南极越来越热。

谁也不知道,那个地方将面临什么。

企鹅将面临什么。

另一种生活在北极的生物——北极熊,因冰川减少,生存同样受到威胁。

它们也没有了家。

而冰川减少,令它们难以捕食。

饿得只剩骨架。

甚至被迫到人类居住的地方,来翻找垃圾。

最后因没有食物,一些北极熊,就这样饿死在温暖的北极。

因为饥饿过度,北极熊开始疯狂。

甚至出现同类相食的现象。

以下是视频。

慎点!

以下图片可能令人不适,

同样谨慎点开!

可点开放大,但建议不要

生活在浮冰上的海象,也受到威胁。

因浮冰越来越小,海象们开始抢夺栖息地。

一只被驱逐的海象妈妈,为了让孩子有一块浮冰休息,抱着幼象,在水中游了很久很久。

但终于找到时,发现上面已经挤满了海象。

海象妈妈不得不开始展开激烈的战斗,为孩子抢夺一个家。

而在另一个海滩上,成群海象坠下悬崖。

它们原来住在浮冰上。

后来浮冰要么融化,要么漂移。

这批海象只有退到一个小岛上生存。栖息范围越来越小。

不习惯陆地生活、没有爪子、没有脚的它们,很容易就会失足。

悬崖下方,满地皆是海象尸体。

无辜的动物们,成了环境恶化的第一批牺牲品。

它们发不出声音,

无法呼救,

不被听见,

默默地承受了这一切。

有些读者可能会说,你说的都是极地发生的事情,离我太远了。不想管。

其实,覆巢之下,没有完卵。

每个人都身处其中。

每个人都必然为全球变暖,付出昂贵的代价。

很多人应该都有这样的感受:今年的春天来得很早,刚过去的冬天也不太冷。

相反,炎热却来得又快又猛。

广西高温达到42.1℃。

广州高温预警,比8年前提前了整整5天。

郑州实测温度更是超过50℃。

当然,这也不是某一个国家的问题。

全球都在面临严峻考验。

全球140个国家,5月的温度达到历史新高。

可大家知道吗?50年前,全世界都还在担心“全球变冷”。

你没看错,是全!球!变!冷!而且研究了整整30多年。

1940-1970年,全球气温连续低迷。

那时科学家认为,新的冰河时代即将到来。

1977年《时代周刊》的封面,以“如何在即将到来的冰河时代存活下去”为题,警示世人重视全球变冷。

然而从1980年开始,全球气温开始飙升。

30多年来,《时代周刊》封面一换再换,啪啪打脸。

然而,真正打脸的,是人类。

地球本身,真的很完美。

“过去1万2千年来,

气温稳定得近乎奇迹,

平均气温波动只在±1℃之间,

即地球有完美的大气层,完美的自我调节能力。”

但人类的破坏,打破了这个完美的平衡。

而它带来的,就是不可控的自然灾害。

高温、干旱、飓风和山火...在各个洲上演。

瑞典山火。

澳洲大火。

非洲干旱。

欧洲风暴。

上亿生灵为此买单。

2019年年底,2200万人,因极端天气流离失所。

九分之一的人口面临将挨饿,即9个人中就有1个人吃不饱。

最令人担忧的,还是冰川的融化,海平面的上升。

短短35年,北冰洋的海冰,大多消失了。

我们从小认识的北极,是一望无际的白色,是漫长的极昼和极夜,是浪漫绚丽的极光。

然而,现在的北极,已经今非昔比。

到2050年,北极海冰可能完全消失!

海冰的存在,可以反射80%的热量,是地球的“空调”。

如今裸露的地面,反射量骤减,吸热量暴增,变成了“小太阳”。

于是海水温度升高。

“升高2℃之前,珊瑚礁就会开始崩解。

照目前的事态,

预测会升温1.5-2℃,而且很有可能已经无法避免。”

“升温3-4℃时,

将会出现热浪,

使得世界上许多地方将不再适合居住,

赤道附近的农业将会完了,

到时候我们将无法养活全人类。”

50年后,全球三分之一的人口,要生活在平均气温超过29℃的环境中。

即一年365天都是夏天。

即便现在采取的节能减排措施有效,仍然有15亿人的家园无法再生存,只能迁徙。

莎士比亚有句名言:“这些残暴的欢愉,终将以残暴结局。”

而灾难还未结束。

北极海冰消失、南极冰川融化,海平面就会升高。

如果海平面上升50米,海岸线可能就会大变样。

当然,这些只是可能。

但对于有的国家,已经是现实。

太平洋的岛国基里巴斯,房屋被毁。

洪涝灾害频发,水源被污染。

“问题不是岛屿何时会被淹没,而是危机早在那之前就已经出现,现在已经发生。”

这里本是蓝天碧海的人间天堂,现在却成了危险的炼狱。

他们是对环境破坏最小的人,却最早承受了恶果。

他们被迫将沿海居民搬迁,但事实是小岛太小,无法容纳所有人。

政府在斐济买了一块地,鼓励国民移民。

但对任何人来说,移民都不是简单的事,关乎钱、也关乎情。

连总统AnoteTong都哽咽道:“我有12个孙子,我死时,希望能知道他们会继续有个家。”

对他们来说,我们每个人都是加害者。

而我们,也终将成为受害者。

这不是危言耸听。

也不是随时可以更改结局的灾难片。

因为全球变暖并不是线性变化、缓慢增长。

《国家地理》里说:“科学家之所以这么紧张,是升温到某个程度后,地球会自动反应,开始强化升温,即所谓的临界点。”

真的到了那个临界点,一切都晚了。

改写结局,只能每个人以身作则,从此时、此刻开始。

我们只需做到——

节约水电、使用环保产品、垃圾分类、回收资源......就能为保护共同的家园,出一分力。

只有人人都懂得环保,环境才会改善。

只有人人都爱护家园,家园才不会被摧毁。

参考资料:

1、网易新闻《国家地理频道洪水来临前》

2、2020年4月28日,中国科学院大气物理研究所《气候变化的前世今生:从“全球变冷”到“全球变暖”》

3、地理蹊《玩转地理|危矣!气候变暖,海冰融化》

4、2020年5月3日,东方今报《#河南#发布2020首个高温预警记者户外实测温度超50摄氏度》

6、2020年3月24日,中国环境报《当珠穆朗玛峰长出了“绿头发”,这意味着什么?》

7、法新网《科学家发现南极洲有更多不寻常的绿雪》

8、2019年11月8日,福布斯中文网《“2050年北极海冰将完全消失”》

9、2012年,优酷《北极熊:一个夏天的奥德赛》

10、2017年12月9日,优酷《壮年北极熊翻垃圾桶找食物..消瘦见骨无力倒地饿死》

11、2012年3月23日,凤凰网资讯《网传海平面上升60米后地图专家称只是假设》

12、2020年2月15日,无境深蓝“企鹅高速路”

13、2020年2月24日,无境深蓝“北极熊饿的骨瘦如柴”

昨日美国股市回升,加上对Moderna(NASDAQ:MRNA)疫苗的乐观情绪,为今天的风险偏好提供了新的动力。股市上涨,美元承压。亚洲大多数股票市场都在上涨。中国和台湾是个例外,事实上,上证综指一个月以来首次连续第二个交易日下跌。欧洲股市上涨,道琼斯Stoxx600指数在欧洲早盘交易中上涨近1%。这是四个会议中的第三次进步。美国股市的上涨趋势明显,标准普尔500指数将在今年不变的情况下再次波动。基准收益率大多下降1-2个基点,而美国10年期收益率徘徊在62个基点左右。美元已经全面出售。与主要货币相对,Scandis处于领先地位,但欧元和澳元站在关键水平之上(分别为1.14美元和0.7000美元)。南非,匈牙利和墨西哥引领新兴市场货币走高。摩根大通新兴市场货币指数接近一个月来的最高水平。黄金稳定在1808美元附近。在API石油库存估计大幅下降(约830万桶)的背景下,OPEC+试图从一些过剩的生产国(例如伊拉克和尼日利亚)获得补偿性削减,这可能抵消了部分其他国家的增产,9月WTI接近41美元。

东京金融交易所(TFX)在经历了6月份的交易量上升后,于8月3日公布了7月份的交易量,数据显示7月份的交易量较前一个月有所下降。

7月份,TFX记录的外汇日期货合约总成交量为1,874,286份,日均交易量为81,492份合约。

将7月份的外汇交易量与前一个月相比,7月份的数字下降了30.1%;7月份的外汇交易量较上年同期下降了7.1%。

至于特定货币对的交易量,7月份的交易量月度同比均有所下降,其中新西兰元/日元(NZD/JPY)汇率跌幅最大,达51.8%。

与去年同期相比,今年7月份的情况就不那么糟糕了,有一半货币对的交易量出现了年度增长。年度涨幅最大的是墨西哥比索兑日元汇率(MXN/JPY),上升了141.9%。

再看股指期货日合约,本月成交量为750,410份,日均成交量为32,627份。与2020年6月相比,7月的交易额下降了43.3%。然而,与去年同期相比,交易额增长了13.9%。

7月,3个月期欧元日元期货成交量为15,728份,日均成交量为749份,环比和同比分别下降了42.4%和79.1%。

今年7月所有TFX产品的总成交量为2,640,424份合约。与前一个月相比,交易量下降了34.5%。与2019年7月相比,交易量也下降了4.0%。

外汇天眼APP讯:日前,基于比特币的多资产交易平台PrimeXBT(盛币网)宣布,它已经与CEX.IO推出的金融科技公司CEXDirect建立了合作关系,允许用户直接从平台上购买比特币。

特别值得一提的是,通过周二(7月21日)宣布的合作关系,PrimeXBT的客户现在可以用他们的Visa或Mastercard信用卡或借记卡通过法币匝道模块购买比特币,该模块已直接集成到该公司的交易平台上。

PrimeXBT还表示,CEXDirect是一个基础设施,可以方便用户通过Visa或Mastercard卡进行即时的加密购买,根据支付卡行业数据安全标准委员会的规定,CEXDirect受到“最高级别的安全保护”。

而不到一周前,该比特币交易平台PrimeXBT才刚宣布增加了一系列新的货币对用于交易。据报道,该公司增加了五种新货币的支持,包括墨西哥比索(MXN);南非兰特(ZAR);港元(HKD);人民币(CNH)和泰铢(THB)。

截止当前,PrimeXBT已初步推出18种货币对的交易,黄金和白银的现货合约,以及石油、天然气和股票指数的CFD合约。此外,为了吸引不同经验水平和预算的加密交易者,PrimeXBT对所有可用的加密和传统资产提供高达1:100的杠杆。

1.乐鑫宣布完成C轮融资Intel投资与芯动能基金联合领投;

2.阿里巴巴宣布研制出全球最强量子电路模拟器“太章”;

3.No.1工艺!麒麟980这一招近乎无敌;

4.贺利氏看好电子领域增长机会招聘得力干将开疆拓土;

5.倪光南回忆造芯:没做成事之前都可能被当成唐吉诃德;

6.武汉梦芯:年底发布国内首款集通信和定位融合的芯片;

集微网消息,物联网领域的领军企业乐鑫信息科技(上海)有限公司(以下简称“乐鑫”)宣布完成C轮融资。本轮融资由英特尔投资与芯动能投资基金联合领投,是乐鑫继2016年9月获得复星集团B轮融资后的又一重大举措,成为公司发展的新里程碑。

乐鑫创始人兼CEO张瑞安(左一)与其他被投企业CEO

乐鑫是一家全球化的无晶圆厂半导体公司,致力于为物联网(IoT)行业开发低成本、高性能的解决方案。自2008年成立以来,乐鑫在无线计算技术领域深耕细耘,追求创新,研发出多种高性能、高集成度、高性价比的无线通信产品,成为全球物联网行业最具影响力的解决方案提供商之一。

乐鑫分别于2014年和2016年推出核心产品:ESP8266芯片和ESP32芯片,后者成为业界首片Wi-Fi+双模蓝牙/BLE+双核32位微控制器(MCU)多合一系统芯片(SoC)。2016年,乐鑫被Gartner评为IoT领域的“酷供应商”。在TechnoSystemsResearch(TSR)发布的2017WirelessConnectivityMarketAnalysis报告中,乐鑫在全球MCU嵌入式Wi-Fi领域市场排名第一。截止到2017年12月,乐鑫的物联网芯片累计出货量已突破1亿片。

本次融资的成功,对于乐鑫继续增强研发实力、扩大市场影响力具有极大的意义。

乐鑫创始人兼CEO张瑞安在"英特尔投资全球峰会"

乐鑫创始人兼CEO张瑞安:“乐鑫经过10年的发展,依靠自主创新,研发出多种物联网无线通信产品和解决方案,成为全球领先的物联网解决方案提供商之一。此次喜获英特尔投资与芯动能投资基金的联合投资,将使公司的发展如虎添翼。乐鑫的产品正在走进千家万户,我们期待为全球更多的智能家居设备配备乐鑫之‘芯’。”

英特尔投资副总裁兼亚太及欧洲区董事总经理林立中:“英特尔投资致力于推动数据驱动技术的创新,支持中国科技产业智能变革升级。乐鑫具备自主研发生产优秀无线通信产品的能力。我们期待和乐鑫携手创新,共同构建智能互联数据领域的新时代,一起掘金数据。”

芯动能基金董事总经理王家恒:“乐鑫作为物联网芯片的龙头企业,依靠自主创新和长期坚持取得了嵌入式Wi-Fi领域的竞争优势,公司始终从用户需求和产品体验出发,致力于提高其产品用户体验和性价比,为客户提供了简洁易用的物联网整体解决方案。通过本次资本合作,芯动能利用其在半导体产业链方面的深度优势,帮助乐鑫抓住中国半导体产业发展黄金期,进一步优化其战略和运营能力,促进其快速成长,实现共赢。”

量子霸权似乎在上演一场“接力战”。

2月,IBM对外展示了其50个量子比特原型机,内部结构图也曝光;

3月,谷歌公布72位量子比特处理器Bristlecone。

3月底,微软发现天使粒子——马约拉纳费米子(Majoranafermion)存在的有力证据,有望年底前得到可工作的量子比特。

现在,轮到阿里上场了。

5月8日,阿里巴巴量子实验室施尧耘团队宣布于近日成功研制当前世界最强的量子电路模拟器,名为“太章”。

基于阿里巴巴集团计算平台在线集群的超强算力,“太章”在世界上率先成功模拟了81(9x9)比特40层的作为基准的谷歌随机量子电路,之前达到这个层数的模拟器只能处理49比特。

同时,本次模拟任务只动用了阿里巴巴计算平台在线集群14%的计算资源。“太章”的创新算法通信开销极小,得以充分发挥平台在线集群的优势,在过去超级计算机上做不了的模拟任务,比如64(8x8)比特40层的模拟,“太章”只需2分钟即可完成。

“太章”模拟的随机量子电路规模与谷歌量子硬件可以实现的规模对比

量子计算可能颠覆当前的计算技术,是科学界和工业界研究的前沿热点。但量子计算的实现十分困难。目前,已经实现的高精度量子处理器也只有20几个量子比特。故而规模稍大的量子算法尚无运行的载体。

模拟器的作用在于“承上启下”,往下可以帮助理解、设计硬件,向上可以承载算法和应用的探索和验证。“太章”首次使得测试和验证被称为“中等规模”50-200比特的的量子算法成为可能,从而为辅助设计中等规模量子算法、量子软件乃至量子芯片提供了一个有力的工具。

在通常的量子电路模拟方案中,需要存储量子状态的全部振幅,在此海量数据上同时模拟量子运算。这个方法要求不断地在众多的计算节点间交换数据,造成巨大的通讯开销。因此,过去这样的模拟任务往往都在超级计算机上进行。

实验室团队基于施尧耘教授及其合作者IgorMarkov在2005年提出的另一种模拟方案,发明了一个简单而有效的方法分解整个模拟任务,然后十分均衡地把这些子任务分配到不同计算节点上。“太章”的通信开销极小,这个优点使之十分适合分布式的计算平台。

“太章”模拟的随机量子电路规模(黑线)与谷歌量子硬件可以实现的规模(红线)比较(基于谷歌在[Characterizingquantumsupremacyinnear-termdevices]中对7x7的估计)*

作为基准的随机量子电路是谷歌提出为实现“量子霸权”的算法。“量子霸权”指的是量子处理器的规模和精度到达无法被经典计算模拟的程度。谷歌今年3月份提出了未来工作的目标:72比特高精度的量子处理器。“太章”的结果表明这一计划中的处理器如果只运行该基准算法仍不足于达到量子霸权。

阿里巴巴量子实验室由美国密西根大学终身教授、世界著名量子科学家施尧耘担任首席量子技术科学家、量子实验室主任。两次理论计算机最高奖哥德尔奖得主、匈牙利裔美国计算机科学家马里奥·塞格德(MarioSzegedy)于今年年初也加入该实验室。实验室正处于人才引进的高速增长时期。

2016年,谷歌提出通过实现二维阵列MxN对应的量子比特上的一类特定随机量子电路来实现量子霸权的方案,这一类特定随机量子电路通常被称为量子霸权电路。在方案中,认为当该二维阵列上的比特数(MN)达到50,电路的深度(层数)到达40左右,现有世界上最强大的超级计算机也无法有效模拟这样的电路。

8x8二维网格上一个深度为20的量子霸权电路对应的张量网络展示

谷歌的硬件团队希望将在9量子比特1维阵列中实现的1%读取误差,0.1%单比特门误差,0.6%两比特门误差保持到更大规模的量子系统来实现这样的霸权电路,并通过这个特定任务,实现量子硬件对当前世界上最强大的经典计算资源的超越。此后,若干研究团队纷纷在不同的超级计算机上对该类电路进行模拟。之前,全球最好的研究结果尚未同时达到50比特40层。

在量子计算目前的模型中,有一类是量子电路模型,实现形式是将信息存储在量子比特中,通过类似经典逻辑门的量子门来实现计算。达摩院量子实验室团队量子科学家陈建鑫与实习生张放实现了一种基于分布式的通用量子电路模拟方案,并基于研究的模拟器对谷歌第一版的随机量子电路进行了测试。

利用阿里计算平台的在线集群的少量计算资源(14%左右)实验室团队成功使用“太章”模拟器模拟了9x9x40也就是81比特40层随机电路,还分别成功模拟

了100比特35层(10x10x35),121比特31层(11x11x31)与144比特27层(12x12x27)的随机量子电路。

目前业界主流的模拟方案有两类,一类是存储量子状态的所有振幅,一类是对于任意振幅都可以迅速计算得到结果。第一类模拟方案,基本都在超级计算机上实现,因为存储45比特的量子状态需要Petabyte量级的内存,在存储这么多数据的同时对该量子态进行操作并进行计算,需要不断地在不同的计算节点之间交换数据,这样的通讯开销对于普通云服务是难以承受的。

在阿里巴巴计算平台的在线集群上,实验室团队采用了第二类模拟方案,通过快速有效的计算任意振幅,任务拆分后可以将子任务十分均衡地分配到不同节点,极少的通信开销使得模拟器适配现在广泛提供服务的云计算平台。

谷歌、IBM、微软量子霸权混战,施尧耘:超导VS离子阱,量子计算进入两极世界

今年三月,在洛杉矶举行的美国物理学会年会上,谷歌展示了一个新的量子处理器Bristlecone。这个基于门的超导系统目的在于研究量子比特技术的系统误差率和可扩展性,以及在量子模拟、优化和机器学习中的应用。

谷歌量子AI实验室研究科学家JulianKelly在GoogleResearch官博发文介绍,Bristlecone遵循是谷歌之前提出的9个量子比特量子计算机的线性阵列技术所对应的物理学原理,而该技术显示的最佳结果如下:

低的读数错误率(1%)、单量子比特门(0.1%)以及最重要的双量子比特门(0.6%)。

该设备使用与9个量子比特的相同的模式进行耦合、控制和读出,但将其扩展为一个包含72个量子比特的正方形数组。

谷歌研究人员计算后认为,量子霸权的目标可以通过使用49个量子比特,一个超过40的电路深度,一个低于0.5%的2个比特误差进行完美的证明。

有观点认为,谷歌之所以公布72位量子比特处理器,是因为量子霸权之路遇到了对手IBM。

2017年11月,IBM宣布成功构建并测量了具有类似性能指标的50个量子比特原型机,今年2月又曝光了其内部结构图。

50个量子比特被普遍认为可以进行普通超级计算机不能完成的任务,IBM此举也是在“量子霸权”上具有里程碑意义的一步。

因为谷歌和IBM的量子处理器都是通过超导来实现量子计算,因此这两家公司在量子霸权上你追我赶。

但是另外一股力量也随时有可能爆发,那就是微软。

微软押注拓扑量子计算,虽然目前还没有做出来相互作用的量子比特,但一直在开发量子硬件以及量子计算机软件开发套件。

微软的逻辑在于,虽然谷歌、IBM都做出了量子比特,但这些都是不精确的量子比特,来自外部环境的微小震动或能量都可能导致计算错误。

而微软的拓扑量子计算机可能能够大大降低噪音。微软量子计算业务发展总监JulieLove曾说:“我们的一个量子比特将会有1000个、甚至10000个嘈杂的量子比特那样强大。”他们认为,微软将在今年年底前得到可工作的量子比特。

事实也证明,微软也离量子霸权更近了一步。

今年3月底,微软的研究人员观察到被称为“天使粒子”的马约拉纳费米子存在的相当有力的证据:电子在他们的导线中分裂成半体。

如果微软希望建造一台能工作的量子计算机,这将是至关重要的。

另外,离子阱量子计算在今年下半年可能会做出手握50-60几个比特的利器,施尧耘认为,这一领域最大的赢家是没有稳定量子比特的Amazon和Facebook,量子计算将进入两极世界时代。新智元

集微网特约记者供稿

贺利氏电子业务领域总裁施蒂茨(FrankStietz)博士

问:首先,这个职位对于贺利氏有什么重要性?

此外从全球来看,电子和传感器业务集中在亚洲,所以我们认为这个人选应该放在亚洲——上海或者新加坡。

问:这是一个非常高级的职位。你们肯定对这个候选人有很高的期望,将来又评估他(她)的业绩呢?

答:我个人认为,现在的任务非常清晰,就是在电子和传感器领域加速外部增长;然后,比如说并购一家合适的公司,或者投资初创公司,就将由这个人接管外部增长领域的运营事宜。所以,在一家被收购或投资的公司,他(她)应该既要负责销售,又要负责运营。也就是说,我们需要真正优秀的候选人。一方面他(她)应该在业务开发领域有丰富的经验,另一方面,如果他(她)在即将接管的这个新领域也有运营经验,那就更理想了。

问:关于并购方面的经验,什么样的背景才能更符合你们的需求?比如,咨询顾问从业经历,或者甚至已经有过成功的并购经验?

问:既然这个人选需要非常优秀,你们能提供什么样的机会,让他(她)有兴趣加入贺利氏并且施展才华呢?

答:首先,我想说这是一个非常好的机会,候选人有机会负责全球性的事宜,因为这个职位需要负责全球协调;其次,我认为这是一个非常好的职位,在我们业务增长领域,完成业务开发项目和运营任务规划后,职责界定非常清晰。就像我刚才提到的,整个任职期间不是始终负责业务开发,而是在业务开发完成后负责运营;再次,在一家有成长性的技术公司工作是一件好事——我们的项目具有良好的成长性。还有一个好处,贺利氏是一家全球性的大公司,所以对于候选人来说,不仅在亚洲,包括在欧洲和美国,未来都有很多职业发展机会。

问:如果我是一个优秀的人选,那具体的应聘流程是怎样的?

问:这太好了,这样的效率非常高。

答:我喜欢快节奏——我们的起点本来就很高,更要快马加鞭。总之,我们迫切地需要找到合适的候选人:一起加油,赢取成功!

记者/刘素宏吴江(摄影)编辑/魏佳

倪光南与中国芯、操作系统一共有两段渊源。

1983年,倪光南放弃在加拿大国家研究院(NRC)的优厚薪酬选择回国,彼时中国正面临发展第四代计算机缺乏超大规模集成电路芯片的支持的困境。在国外工作开阔了眼界的倪光南在这样的背景下回国,他渴望做中国自己的芯片和操作系统。

回国后,倪光南先加入中科院计算所公司(联想集团前身),担任公司首任总工程师,后加入方舟公司。但这两段经历都以科学家、核心技术人员的离场而收尾。甚至,方舟计划失败后,倪光南本人向科技部“负荆请罪”。

力主政府部门桌面操作系统自主化

很多人认为Windows和Intel的垄断无法打破,只能接受已有的游戏规则。甚至有芯片研发人员觉得,芯片的自主可控实现之日依然无法预期。更有人嘲笑倪光南想用举国体制去和全球生态抗衡。

对于误解,倪光南不急于辩解,面对非议,他也依然语气平和,不急不缓。

事实上,倪光南深谙Wintel的走势,云计算、移动互联的影响以及网络信息安全的需求发展。

他所提倡的操作系统的自主可控,其实首先是在政府、大型企业范围内,尤其是关涉到国家安全的部门,在办公场景中实现桌面操作系统的国产化替代。

在他看来,政府部门实现桌面操作系统的自主化是完全可能的。并且,经历了十几年的发展,技术已经不再是主要的问题,主要的问题在于,在使用中,让生态丰富起来,从政府领域逐步推进到企业,最后进入更广泛的领域。

摄新京报记者吴江

风和日丽时也要警惕安全风险

然而,替代垄断绝非易事。

倪光南作为首批中国工程院院士,在他看来,去推行操作系统的自主可控义不容辞,就像每个人都要做好自己的工作。作为科学家,他要呼吁人们警惕那些尚未爆发的安全风险,未雨绸缪,哪怕在风和日丽时。

中国是网络大国,拥有全世界最大规模的用户和市场,苹果近五分之一的收入的来自中国。如果没有对禁售芯片这样的大事件发生,可能整个IT界依然可以自豪于做最大的应用市场。

但从PC时代的Wintel垄断,到移动端出现安卓、苹果iOS,中国错失了移动端操作系统迭代的重大机遇。

倪光南看来,芯片禁售事件不只是在供应链、核心技术上被卡脖子,潜在的更大风险在于网络安全。

北理工大学网络中心助理研究员,网络信息安全专家谦恒就曾撰文详细阐述了这种安全隐患,从技术上植入硬件木马是可能的,即利用芯片的设计和生产改变芯片的运算逻辑,从而可以达到攻击的目的。若有硬件木马的存在,一旦触发木马生效的条件,其破坏性将是巨大的,会导致数据丢失、功能失效甚至系统瘫痪。

硬件木马并非危言耸听。

早在2018年年初,网络安全研究人员就发现了英特尔、AMD和ARM架构的芯片当中存在“熔断"(Meltdown)”和“幽灵(Spectre)”两个安全漏洞。这些漏洞对笔记本电脑、台式机、智能手机、平板电脑和服务器在内的硬件设备均有不同程度的影响,能够让黑客盗取盗用其中的敏感数据信息。

用最通俗的话来说,即便芯片已经被安装到全世界各地的计算机,但依然可以通过远程控制的方法对芯片所在的终端进行控制。

这样的说法也得到了中国智能终端操作系统产业联盟秘书长曹冬的认可。

“就好像你们家在那儿,我有你们家钥匙,只不过是我想不想去,去不去是我的事。远程就可以控制”,曹冬说,手机丢了你着急,信息丢了你不知道。通过芯片后门可以获取用户信息,其实很容易设计一些机制在芯片上做手脚。

对话倪光南

“芯片禁售事件给人的教育挺大,比我们讲一百遍都有用”,倪光南穿梭在五道口的路上,这是他一天里难得的悠闲时光。

如今,他已经79岁,经历联想、方舟的波折后,他再也没有实际加入到任何一家公司。2013年,倪光南发起成立中国智能终端操作系统产业联盟,致力于推广国产操作系统。

谈“芯片自研”

资金不足,借用别人实验室

寻找中国创客:你的助手梁宁写的《一段关于国产芯片和操作系统的往事》一文在网上广泛传播,现在回忆起来,联想的那段经历,芯片研发具体是什么情况?

倪光南:我们持续感受到芯片的重要性。

1980年代,中国在第四代超大规模集成电路上落后,早期能生产大型计算机的包括美国、前苏联、英国、法国,中国是第五家。

第三代计算机的集成电路主要是单片、中小规模的,都还是国产的,但到了第四代超大规模计算机时,我们发现没有超大规模集成电路,计算机就做不下去了。

上世纪80年代,我们有的成果,比如汉子激光照排,包括联想式汉卡,都是计算机的一个扩展功能,不是计算机主体。那时候我就觉得中国要做计算机,就一定要做芯片。

集成电路怎么做?企业很小,没有那么多的投入。当时有一个909工程(编者注:1995年12月,中国电子工业有史以来投资规模最大的国家项目——“909”工程确定,其内容是建设一条8英寸、0.5微米技术起步、月加工2万片的超大规模集成电路生产线。“909”工程是国家发展微电子产业重点工程的简称,其主体为上海华虹集团。投资100亿),但实际上比起国际发达国家的投入依然很小,有一部分投资还是企业投的。

寻找中国创客:资金投入不足,如何做芯片研发?

倪光南:当时在联想时觉得,集成电路的设计可以做,设计投入不大,这是力所能及的。芯片的设计需要EDA软件和一些测试设备,也很昂贵,因为我们跟一些客户关系好,就到别人家的设计实验室做设计,借用别人的工具。

当时为了节省费用,大半年左右,计算所孙祖希研究员带着年轻人到新加坡CHARTER公司的设计实验室做投片,就这样用很少的钱做出汉卡的芯片。设计公司比较容易起步。后来中国也有成百上千设计公司,投入较小。目前我国在芯片设计上并不比国外落后很多。

在我离开联想前,我们后来一共研发了5个ASIC(专用集成电路),用在汉卡、汉字打印机、微型机上,获得了成功。尝试从集成电路设计入门的思路走通了。很多企业在设计上都起来了,设计以人的智力为主,再加上一些工具,起步低。中国目前设计业发展不错,跟国际上大体差不多。

谈“被人利用”

就像刮风下雨,你碰到,躲不开

寻找中国创客:梁宁提到,你冒着一次次被人利用的风险,依然要推行自主可控。

倪光南:你碰到的这些,不是你想要或者你愿意的,就像刮风下雨,你碰到,躲不开。李德磊(方舟科技创办人)不做高科技,炒房产,这是最初无法预料的。当年法治不完善,知识产权没有股权,也就没有话语权。现在的公司科技人员的知识产权都有股权,是在不断进步。

寻找中国创客:国产操作系统的可替代需要迭代的窗口期,是不是错失了移动端迭代的时机?

倪光南:Wintel已经垄断了桌面操作系统,一般领域做国产替代是比较难,但涉及信息安全的国家政府层面办公桌面的国产替代比较容易些。而移动端目前还没有很理想的国产操作系统。

过去人们往往会注意终端硬件,对操作系统没有认真研究,软件不被重视。现在国家投入1400亿做集成电路基金,但光是有芯片不够,还要有软件。硬件没有软件支撑是不行的。

当时苹果推出iOS智能手机是2007年,安卓手机大约2009年才推出来,如果中国在苹果手机一出来时,就立刻组织人搞移动操作系统,未必搞不出来,不至于现在被安卓、苹果的操作系统所垄断。

寻找中国创客:这个过程里有哪些经验教训?

倪光南:现在国家对操作系统的项目,支持千万元就算大的,而且往往“撒胡椒面”,不符合操作系统发展规律。世界上就那么几个主要的操作系统,中国能有几家?操作系统高度垄断,要么不支持,要么只支持一两家,撒胡椒面支持方式不符合操作系统的发展规律。

寻找中国创客:你之前提到,操作系统国产化替换在2020年会有一个比较显著的成果,现在看来可实现吗?

倪光南:政府领域实现这个目标也不是不可能。一般领域要有很大生态支持才行。目前很多省、地方都在分散搞芯片。芯片需要非常大的投入,各自为战可能产生分散、重复投入。

希望国家基金牵头,民间资金参与,包括企业,共同来做,但要考虑产业布局自主可控。集成电路制造要做好国家层面顶层设计,不能遍地开花,否则会分散、重复建设。

谈“举国体制”

只有政府没企业也有问题

寻找中国创客:操作系统除了国家力量,企业可能做出来吗?

倪光南:中国企业整体还是有希望的。华为有8万研发人员,还有BAT等也在加强知识产权储备,加大研发投入。但单个来看,产业界没有足够和微软、Intel、Oracle、苹果相比肩的公司,企业相对弱时政府需要起作用,中国举国体制也比较好做,用中国的资源和能力来做事情。政府不是带领,而是帮助、联合企业,可能事半功倍。

寻找中国创客:有人觉得,全球化市场的大规律下,举国体制已经不适用了。

倪光南:并不是说举国体制就是不按市场规律办事,可以又有举国体制又有市场竞争的好处,引入良性竞争。没有举国体制很难启动。比如北斗,整合航天和网信领域,政府做有好处。但只有政府没有企业也有问题。

寻找中国创客:你认为BAT有可能实现芯片的自主可控吗?

倪光南:企业是创新主体,具体芯片、CPU还是靠企业。相信中国很多能干的企业,现在有足够的钱,可以在基础技术领域有所贡献。人工智能芯片,也许BAT会做的很好。

寻找中国创客:有人评价你对自主可控的坚持有些唐吉诃德,你怎么看?

倪光南:没做成事之前,可能都会被当成唐吉诃德。成功需要很长过程,急功近利不一定有好的结果。另外,不一定要自己成功,我做一段,人家接着做,不一定在乎自己有什么成果,要有这个心胸,超脱一些,不要斤斤计较自己的得失。从大局看,一个企业不行还有更多企业出来,依托产业界发展是一定可以的。新京报

原标题:武汉梦芯:用“芯”引领打造世界的北斗,年底发布国内首款集通信和定位融合的芯片

5月7日,湖北电视台《湖北新闻》栏目以《武汉梦芯:用“芯”引领打造世界的北斗》为题,报道光谷企业武汉梦芯科技用创新引领发展、自主研发“中国芯”的故事~

今年底,梦芯将正式发布国内第一个集通信和定位融合的芯片!

报道内容

“紧紧扭住创新这个牛鼻子,塑造更多依靠创新驱动、更多发挥先发优势的引领型发展”。这是他在湖北调研时对全省上下的殷殷嘱托,要创新,要引领式发展,这让光谷企业武汉梦芯科技感受到了加速前进的动力。

见到莫钧,这位梦芯科技的首席技术官,并不是在实验室,而是在武汉豆牛科技,这是梦芯芯片的下游运用方企业。

技术开发的角色,跑起了运营维护,莫钧为的是,让实验室离市场更近一步。

莫钧表示,这样更方便了解客户具体的使用场景,也能知道我们研发方向。

这款芯片一问世,让国内卫星导航芯片55纳米大小的记录和国际接轨。

2016年,莫钧和他的团队,又研发出了第二代芯片,可以同时接收北斗、GPS和俄罗斯的格洛纳斯三种卫星信号,世界四大定位卫星,梦芯就包揽了三个。

莫钧说道,第一款芯片做的是技术积累,到第二代芯片,我们将市场推向国外市场,第三款芯片希望超越市场上现有芯片的设计。

如何做得更好?莫钧在和客户深度互动中,找到了突破方向。

莫钧说,以前通信芯片和定位芯片需用设备放在一起,如今是将通信和定位这两个功能的芯片放到一颗芯片里。

目前梦芯技术所有的技术都是自主研发的,已达到同国外技术竞争的水平。

今年底,梦芯的第三款芯片就将正式发布,这是国内第一个集通信和定位融合的芯片。而梦芯的追梦之路,还在延伸。

梦芯科技总经理王庆海表示,我们新的工艺追赶跟国际接轨,下一个芯片可能会做28纳米的尝试,在国内大多数领域完全取代GPS,让全世界人民都用上中国的北斗。中国光谷

END

这座前西班牙裔城市(也是联合国教科文组织世界遗产)有着迷人的1000年历史。它是墨西哥第二大考古遗址,部分原因是它离坎昆很近。

该遗址位于尤卡坦半岛(YucatanPenninsula),占地740英亩。许多部分仍未被挖掘过。

在墨西哥这个巨大的考古遗址周围徘徊时,我一直想知道我脚下隐藏着什么隐藏的宝藏。

奇琴伊察的历史

除了巨大的石头金字塔之外,奇琴伊察如此迷人的原因之一是玛雅人自己神秘的衰落。

到西班牙人征服玛雅人的时候,这座伟大的城市和其他类似的城市实际上已经成了鬼城。

对于原因,历史学家有几种理论。人口过多可能耗尽了环境资源。一场大旱或另一场灾难可能已经毁灭了文明。

相互竞争的城邦也经常处于战争状态——玛雅人可能只是在自取灭亡。

无论如何,与该地区其他玛雅遗址相比,墨西哥最著名的遗址保存得惊人地完好。这就是为什么它被认为是世界新七大奇迹之一。

ElCastillo金字塔

一旦你进入奇琴伊察,你就不能错过98英尺高的金字塔TempleofKukulkan(又名“ElCastillo”),它占据了城市的北部。不像吉萨金字塔那么大,但令人印象深刻!

Kukulkan是玛雅宗教中的羽毛蛇神。金字塔由楼梯底部巨大的雕刻蛇头保护。

中美洲对恒星和行星的迷恋意味着金字塔的四个楼梯代表指南针的四个点。还有365个步骤,太阳历中每天一个。

九个梯田可能象征着玛雅人对九层天堂的信仰。

如果你真的想要一顿大餐,可以在每年的春分时节的3月或9月去埃尔卡斯蒂略。日落时分,光影交相辉映,营造出一条蛇慢慢滑下楼梯的诡异效果。

科学家最近发现这个金字塔内部实际上还有两个金字塔。

勇士的寺庙

该寺庙的勇士是在奇琴伊察另一个令人印象深刻的结构。南侧的200个柱子中的一些描绘了浅浮雕的战士。

这些柱子曾经支撑过很久以前的屋顶系统。

这个宏伟的空间也被称为千柱大厅,可能是会议场所或室内市场。

一查克莫寺庙物产上装了宽阔的楼梯,整个尤卡坦半岛发现了鲜明的雕像。倾斜的数字拿着碗,他们的头转向90度角,并支撑在他们的肘部。

他们可能代表寺庙守护者或被杀的战士向雨之神Chac送礼物。

在玛雅人的宗教仪式中,石制菜肴可能包括香,烟草,玉米粉圆饼或玉米饼。在阿兹特克人的仪式中,他们更有可能拥有人类的心灵。

玛雅球场

在主金字塔的左边,你会发现着名的玛雅球场。虽然很多地方都包括球场,但奇琴伊察的球场是世界上最大的球场。

玛雅运动员玩了一个游戏,其目标是将一个橡胶球(代表太阳)放入一个非常高的墙上的小石圈,而不用你的手或脚。

一些雕刻表明获胜队的队长被斩首,这是荣誉的标志。球赛已有3500多年的历史,成为体育史上第一个有组织的比赛。

一些游戏是为了解决竞争城市之间的争论,或者作为全面战争的替代方案。

CenoteDeLosSacrificios

奇琴伊察(ChichenItza)的意思是当地玛雅语中的“伊萨河口”。Itza的一个可能的翻译是“迷人的水”。尤卡坦半岛有着特色-特殊的石灰岩落水洞形成了天然的水池。

Cenotes对玛雅人具有深刻的精神意义。许多学者认为奇琴伊察的建造完全是因为这里有大型的地下室,为人们提供了淡水。

CenotedelosSacrificios(也称为SacredCenote)的高度约为200英尺,悬崖峭壁落在水面上。在严重的干旱期间,崇拜者试图通过牺牲特殊物品或他们不喜欢的人(!)来安抚他们的雨神Chac。

挖掘这个cenote发现了成千上万的金,玉和铜制成的文物。许多带有牺牲伤痕的人类骨骼也散落在深处......

更酷的考古结构

Tzompantli的意思是“头骨墙”,这个下一个景点就是它的名字。大型平台支持将被斩首的人头砸在彼此之上的赌注。

不幸的受害者是在战斗中被击败的敌人或牺牲给众神的战俘。基地周围的异想天开的骷髅雕刻是一个很好的接触。

这个展览会吓跑潜在的敌人。

附近有一个更精致的平台,被称为老鹰之家。它的主题同样令人毛骨悚然。象征着托尔特克牺牲战士的老鹰和美洲虎描绘了抓住人类的心灵。

其中一个最有趣的结构是ElCaracol,它起着天文台的作用。奇琴伊察(ChichenItza)有许多迷人的停留点,因此计划至少花3-4个小时才能看到这一切。

在附近的Cenotes游泳

虽然你不能在奇琴伊察本身的游泳池游泳(除非你想加入底部的骷髅!)你附近还有其他地方。

最近的Cenote,最受欢迎的旅游巴士,叫做IkKil。虽然它很漂亮,但它总是挤满了人,感觉像是一个旅游陷阱。我可能会跳过它。

如果您想要更真实的Cenote体验,我建议您在巴利亚多利德镇附近的地下室享受清凉。其中包括CenoteZaci,CenoteDzitnup或CenoteSuytun。

如何到达奇琴伊察

汽车租赁

预订汽车的最佳网站是DiscoverCarHire。他们搜索本地和国际汽车租赁公司,以帮助您找到最优惠的价格。这是在墨西哥租车的最简单方法。

CANCUN-ChichenItza距离坎昆有197公里(2.5小时)车程。PLAYADELCARMEN-遗址距离PlayadelCarmen有181公里(2小时)。梅里达-奇琴伊察距离梅里达有119公里(1.5小时)的车程。瓦拉多利德-奇琴伊察距离巴利亚多利德45公里(45分钟)车程。

如果您正在寻找一条更具冒险精神的坎昆路线,那么“自由”路将与主要的收费公路平行,并经过一些较小的村庄,以获得更真实的墨西哥风情。

在奇琴伊察停放自己的租车费用为每天30墨西哥林吉特(1.50美元)。

坐巴士

从坎昆到奇琴伊察的墨西哥ADO巴士服务单程费用约为$202MXN($9),需要3小时。从巴利亚多利德出发,每30分钟就有一辆巴士服务,价格约为26美元。

Collectivo出租车

Colectivos(共享的出租车)从公交车站以东的很多地方离开巴利亚多利德镇,费用约为35马币(2美元)。

奇琴伊察之旅

如果您喜欢参加旅行团的人,可以参观奇琴伊察遗址(ChichenItzaRuins),其中一些从坎昆(Cancun)开始,包括交通。

奇琴伊察保护计划

来自墨西哥国立自治大学(UNAM)的一组科学家一直在研究位于库库尔坎金字塔内的第二个结构的存在。他们使用三维电子断层扫描技术在金字塔内找到金字塔。

据信目前的结构建立在另一个之上。两者都坐落在一个充满水的地下洞穴顶部。考古学家继续研究这个遗址,你可能会看到他们的一些挖掘工作,就像我们在主金字塔后面所做的那样。

访问奇琴伊察的提示

身体和灵魂总有一个在路上!

旅行带给我们不一样的体验和成长!

正离子引发在乙烯基上带有给电子基团的单体(苯乙烯、异丁烯)能用酸性引发剂进行正离子聚合,特别当反应在溶剂化的介质中进行时更是如此.在正离子体系中实际的引发剂是质子酸[勃仑斯特(Brnsted)酸];不过,当质子酸离子化不够引起反应时,路易斯(Lewis)酸可起有效的共引发剂的作用.典型的质子酸包括水、醇类、卤化氢和其他无机酸;硼、铝、铁、钛和锡的卤化物是普通的路易斯酸的一些例子.

对正离子引发,已提出两种历程.第一种历程认为,如果质子酸和路易斯酸之间形成一复合酸,然后质子与单体结合,则无论何时用水或醇类作为质子酸都是有效的:

HX+MXn→H+[MXn+1]-H+[MXn+1]-+C=C→H—C—C+[MXn+1]-(16-15)

第二种历程,是针对以卤化氢为质子酸的条件的,假定首先在路易斯酸和烯烃之间形成络合物,然后此络合物与质子酸结合:

MXn+C=C→[MXn·C=C][MXn·C=C]+HX→H—C—C+MX-n+1(16-16)

正离子引发的动力学由公式表达如下:

Ric=kic[I][M](16-17)

负离子引发在乙烯基碳原子上带有吸电子基团的单体(甲基丙烯酸甲酯、丙烯腈)用碱性引发剂特别容易进行负离子聚合.引发历程取决于所用引发剂的类型以及介质的极性和溶剂化能力.

将碱金属(非均相)或存在于高度溶剂化介质中的碱金属-芳香烃络合物(均相)引入含有活泼单体的溶液中时,电子从金属(或金属络合物)转移到单体内能量最低且未充满电子的分子轨道上,形成一自由基离子:

至少从理论上,此自由基离子可以同时从两端进行链增长,一头是离子型的,另一头是自由基型的.实际上,在能量上最有利的途径是自由基离子发生偶合,形成双负离子,此双负离子可同时从两端引发聚合:

可溶的有机金属和碱金属亚胺引发剂看来是通过形成一般的负离子来起作用的:

实际的引发历程并不象画的那么简单,因为在非溶剂化的介质中,引发剂常常聚集在一起:

(BuLi)nnBuLi(16-21)

新年伊始,CBTTeam为您奉上墨西哥站点的新佣金政策。

佣金&售价变更:

变更一:低于MXN$499的商品,每个商品新增固定佣金MXN$5。即在目前收取的17.5%佣金上增加MXN$5。高于MXN$499的商品维持不变,收取17.5%的佣金。

变更二:单个商品的最低售价更新为MXN$7。因为新增加了固定佣金的原因,为避免造成不必要的损失,特设定此最低售价。

墨西哥海外仓卖家的运费折扣变更:

变更一:订单价格高于MXN$499,信誉为绿色的卖家将享受4折运费优惠。现阶段,信誉为绿色的卖家享受的是3折的运费优惠;信誉为黄色的卖家将享受5折的运费优惠,现阶段享受的是4折运费优惠;其他颜色等级无运费优惠。(下图为绿色信誉卖家的运费前后对比举例)

变更二:订单价格为MXN$2,500以上的商品取消了3%的佣金折扣。统一按照17.5%的佣金进行收取。

重要提示:

以上

上雨果网搜索“跨境资料库”,领取欧美/东南亚各国市场商机、各大平台热销品报告、跨境电商营销白皮书!

THE END
1.人工智能之深度学习笔记——每天五分钟快速掌握深度学习理论深度学习和机器学习有什么区别呢?最主要的区别就是模型的不同,深度学习主要使用神经网络算法模型,而机器学习就不是了,我们前面学习过逻辑回归就是机器学习算法模型。所以我们学习深度学习最主要的就是学习神经网络。 我们首先简单的介绍了一下深度学习这门课程要学习什么?然后从房价预测例子入手引出什么是神经网络?然后我https://blog.csdn.net/huanfeng_AI/article/details/137250529
2.AI算法正在操控人类,你越变越笨,却毫不自知日记在自由人生合伙人密训上,我跟学员说,未来属于深度的内容创作者,每个人要搭建自己的知识库,形成自己个人经验和系统学习而塑造的知识体系,在创业的过程中用交付驱动营销,优化优质内容的SEO关键词,而非被肤浅的流量内容和平台算法裹挟。 我花了一个月的时间搭建了自己的个人网站(alinalinzi.com),全球的线上社区和一人https://m.douban.com/note/868195557/
3.每天应对千万量级增长,扫一扫识物这样快速迭代深度学习模型!微信“扫一扫”识物上线一段时间,由前期主要以商品图(鞋子/箱包/美妆/服装/家电/玩具/图书/食品/珠宝/家具/其他)作为媒介来挖掘微信内容生态中有价值的信息,扩张到各种垂类领域的识别,包括植物/动物/汽车/果蔬/酒标/菜品/地标识别等,识别核心依托于深度学习的卷积神经网络模型。随着每天千万级的增长数据和越来越多https://www.xmyeditor.com/index.php/help/617.html
4.AI算法知识本文将通过五个部分来回顾计算机视觉领域在2022年的发展。 计算机视觉趋势1. Transformer统治计算机视觉Transformer 模型在 2017 年在Attention is All You Need论文中被提出,之后广泛用于深度学习领域,为各种 NLP 任务设定了标准,并开创了大型语言模型 (LLM) 的时代。Vision Transformer (ViT) 于 2020 年底推出,标志https://www.zuiyue.com/index.php?route=extension/blog/blog_list&category_id=5&page=18
5.每日热点1102Nature子刊:深度学习算法可以在显微镜图像中识别出各种细菌 BMJ:人工甜味剂安全性再添新忧!超10万人研究发现,饮食中总甜味剂摄入量高,与心血管疾病和脑血管疾病风险增加9%和18%相关 舆情信息 新冠病毒疫苗接种情况 世卫组织:黎巴嫩霍乱疫情迅速蔓延 “个人碳账户”还应更多些 https://www.sccdc.cn/Article/View?id=30661
6.2020年深度学习算法工程师面经(微软阿里商汤滴滴华为简单分为深度学习、机器学习基础、图像处理基础、数学基础、算法基础、程序设计语言、模型部署、HR面试以及与我本人简历相关的目标检测、属性识别、Kaggle及天池的比赛、创新想法等几个部分介绍。可能开始会有重叠或者分类不恰当,后面会逐渐更新完善。其中第一篇先介绍到HR面试,第二篇介绍个人相关的项目和比赛部分。https://maimai.cn/article/detail?fid=1514590373&efid=Oph3033j5Qs70xHZdz0sGA
7.GitHub机器学习基础 快速入门 机器学习算法地图 机器学习 吴恩达 Coursera个人笔记 && 视频(含官方笔记) CS炼丹笔记五:数据标注 炼丹笔记六 : 调参技巧 炼丹笔记七:卷积神经网络模型设计 刷排行榜的小技巧 Kaggle《21个项目玩转深度学习———基于TensorFlow的实践详解》 最全Tensorflow2.0 入门教程持续更新 Github优https://github.com/qwwz/DeepLearning
8.讲书3分钟丨《深度学习算法实践》讲书人吴岸城只需3分钟就能快速了解一本书! 由作(译)者发声讲书,直指新书的特点与主旨。 只需利用碎片化时间,省时省力选到适合自己的好书 音频链接 http://www.ximalaya.com/78614528/sound/49272322/ 音频内容 大家好,我是《深度学习算法实践》一书的作者吴岸城。 http://www.broadview.com.cn/article/401
9.AlphaZero加强版AlphaTensor问世,发现史上最快矩阵乘法算法MIT计算机科学家Virginia Williams就表示:研究者们可以再尝试一下,去搞明白这些特定算法中有没有什么特殊规律。此外,也可以研究一下如果将这些特殊算法组合起来,是否能发现更多更优的计算方法。 目前AlphaTensor的相关代码已经开源。 五、以Deepmind开发的为主的深度学习在医学中的应用 https://www.medsci.cn/article/show_article.do?id=97c6e419443f
10.私域增长社如何学习chatgpt和机器算法 chatgtp国内版体验地址点击https://m.yuyanmcn.com App下载地址:http://xiazai.xinyuanhaowu.cn/ZkjH1.我是一个小白,想要了解chatgpt和ai的相关专业知识,请为我推荐10本中文书籍当然我可以为您推荐一些中文书籍,帮助您了解ChatGPT和人工智能的相关专业知识。以下是一些推荐:1. 《深度http://xinyuanhaowu.cn/cn/h-col-146.html
11.玩转腾讯云万物皆可Serverless之Kaggle+SCF端到端验证码识别随着验证码技术的更新换代,传统的验证码识别算法已经越来越无用武之地了。 近些年来人工智能迅速发展,尤其是在深度学习神经网络这一块生态尤为繁荣,各种算法和模型层出不穷。 今天本文就尝试带大家借助Kaggle+SCF 快速训练部署一个端到端的通用验证码识别模型, https://cloud.tencent.com/developer/article/1618583
12.雨果跨境电商课程合集:亚马逊/eBay/速卖通/Wish/Shopee/独立站等第十一课深度学习排除算法模型 .mp4 第四课商品属性权重运营核心重点 .mp4 第五课引爆商品的6个核心指标优化技巧 .mp4 第一课个性化推荐算分介绍课程地图 .mp4 五、wish爆款打造公式 第八课:沉淀老客户的核心优化技巧 .mp4 第二课:新品流量公式介绍 .mp4 第九课:产品组合销售公式 .mp4 第六课:提高客单价利润https://www.vipc6.com/19231.html
13.第五期“计图”论坛:深度学习与遥感图像分析,将于12月1日线上举办计图(Jittor)是清华大学于2020年3月20日开源的自主深度学习框架;2021年11月17日计图(Jittor)团队发布了遥感图像目标检测算法库JDet的更新;不仅增加了对更多模型和数据集的支持,也可以支持SAR图像。 为了促进遥感图像智能解译的发展,计图团队拟于2021年12月1日(周三)下午2:00-5:10,以线上的方式,举办深度学习与https://cg.cs.tsinghua.edu.cn/jittor/news/2021-11-28-00-00-jdet1128/