W ramach seminarium poprowadzona zostanie druga część wykładu z zakresu automatów klasycznych i kwantowych. Po przedstawieniu kilku przykładów DFA wraz z dyskusją ich ograniczeń, wprowadzamy ich warianty probabilistyczny i kwantowy. Przedstawiamy reprezentatywny algorytm dla każdego z tych wariantów, a następnie dyskusję na temat zalet kwantowych w ustawieniach automatów skończonych. Krótko omawiamy ostatnie implementacje algorytmów QFA na rzeczywistym sprzęcie kwantowym.
Rozpoczynamy od omówienia problemów obliczeniowych i algorytmów. Definiujemy ogólną postać problemów decyzyjnych, a następnie wprowadzamy deterministyczny automat skończony (DFA) jako podstawowy decydent. Po przedstawieniu kilku przykładów DFA wraz z dyskusją ich ograniczeń, wprowadzamy ich warianty probabilistyczny i kwantowy. Przedstawiamy reprezentatywny algorytm dla każdego z tych wariantów, a następnie dyskusję na temat zalet kwantowych w ustawieniach automatów skończonych. Krótko omawiamy ostatnie implementacje algorytmów QFA na rzeczywistym sprzęcie kwantowym.
Tematyka referatu dotyczy innowacyjnego podejścia w przygotowaniu danych stosowanych do trenowania konwolucyjnych sieci neuronowych w zakresie segmentacji kolorowych obrazów. Problem doboru danych trenujących oraz pozyskania ich wystarczającej ilości, niezbędnej do uzyskania modelu o jak najwyższej precyzji predykcyjnej, jest istotnym zagadnieniem w tematyce sieci neuronowych. Nieprawidłowe podejście do niego może sprawić, że nawet najlepiej przygotowana architektura sieci, nie będzie w stanie wygenerować modelu, który będzie działał z satysfakcjonującą dokładnością.
Gilbert zaproponował iteracyjny algorytm wyznaczania odległości między danym punktem a zbiorem wypukłym. Stosujemy algorytm Gilberta z kilkoma modyfikacjami i uproszczeniami, aby uzyskać górne ograniczenie na odległość Hilberta-Schmidta między danym stanem a zbiorem stanów separowalnych. Chociaż odległość Hilberta-Schmidta nie jest właściwą miarą splątania, to jednak może być stosowana jako bardzo dobry wskaźnik ilości splątania.
Katarzyna Gawlak, Wydział Transportu i Inżynierii Lotniczej, Politechnika Śląska
Data:
03/03/2022 - 11:00
Abstrakt:
Innowacyjność i poszukiwanie nowych rozwiązań jest kluczowym elementem ciągłego doskonalenia systemów zarządzania bezpieczeństwem przewoźników kolejowych. Z tego względu wspieranie posiadanych systemów rozwiązaniami informatycznymi daje szerokie i zupełnie nowe możliwości prezentacji i analizy danych gromadzonych w różnych obszarach funkcjonowania spółek kolejowych. Taka sytuacja ma miejsce między innymi w przypadku informacji dotyczących zdarzeń i wydarzeń zaistniałych na sieci kolejowej.
Konrad Jałowiecki, Uniwersytet Śląski w Katowicach
Data:
13/11/2019 - 13:00
Abstrakt:
Przedstawiamy w jaki sposób można znaleźć niskoenergetyczne spektrum dla małych (N < 50) szkieł spinowych o dowolnej strukturze, używając nowoczesnych GPU lub podobnej heterogenicznej architektury. Prezentowany algorytm wykonuje pełny przegląd po wszystkich możliwych konfiguracjach układu, w celu wybrania l << 2N stanów o najniższej energii, wraz z odpowiadającymi im energiami.
Kacper Pilarczyk, Akademia Górniczo-Hutnicza w Krakowie
Data:
21/10/2019 - 13:00
Abstrakt:
Rosnące wymagania stawiane systemom obliczeniowym katalizują prace nad niekonwencjonalnymi układami przetwarzającymi informację. Obserwuje się ciągły wzrost zainteresowania alternatywnymi – względem klasycznych rozwiązań opartych na krzemie – gałęziami elektroniki, które mogłyby znaleźć zastosowanie w budowie biosensorów, wyświetlaczy cienkowarstwowych, pamięci molekularnych, materiałów inteligentnych, etc.
W ostatnich dekadach możemy zauważyć wzmożone zainteresowanie różnymi technikami uczenia maszynowego, stosowanymi do rozwiązywania problemów z wszystkich dziedzin życia. Tak duża popularność jest spowodowana faktem, że metody uczenia maszynowego potrafią radzić sobie z problemami, które są trudne do rozwiązania w konwencjonalny sposób, z powodu nieznajomości reguł nimi rządzącymi. Ze względu na właściwości uczenia się i uogólniania wiedzy, metody te są w stanie rozwiązać wiele problemów. Techniki sztucznej inteligencji osiągają wysoką wydajność w różnych dziedzinach nauki.
Piotr Bełdowski, Uniwersytet Technologiczno-Przyrodniczy w Bydgoszczy
Data:
17/09/2019 - 13:00
Abstrakt:
Płyn stawowy obecny w naturalnych stawach składa się w ponad 70% wody, ale wykazuje niezwykłe właściwości smarujące, które są częściowo wynikiem interakcji między kwasem hialuronowym i zwykłymi fosfolipidami. W trakcie seminarium przedstawiony zostanie aktualny stan wiedzy na temat mechanizmu smarowania w chrząstce stawowej. Następnie zaprezentowane zostaną wyniki symulacji dynamiki molekularnej, eksperymentalne pomiary interakcji kwasu hialuronowego i fosfolipidów. Wyniki te omówione zostaną w odniesieniu do mechanizmu smarowania w układzie chrząstki stawowej.
Temat interfejsów mózg-komputer wrócił do świadomości publicznej kilka tygodni temu po prezentacji dokonań firmy Neuralink. Na prezentacji pod przewodnictwem Elona Muska zabrakło jednak szczegółow dotyczących analizy komputerowej sygnałów neuronalnych. W moim wystąpieniu postaram się rozwinąć ten temat bazując na badaniach i publikacjach związanych z moim przewodem doktorskim. Zaczynając od podstaw neuronauki i technik pomiaru aktywności mózgu, kończąc na obecnych trendach i aplikacjach, ze szczególnym uwzględnieniem metod uczenia głębokiego dla sygnału EEG.
