TGTGInsightтелеграм анализLIVE / telegram public index
← Такты, стеки, два колеса

TGINSIGHT SIMILAR POSTS

Намери подобно съдържание

Изходен канал @clockstackwheels · Post #174 · 21.01

Раз я пишу про гаджеты для гиков, то вот ещё один. Как и многие гики, я ленюсь готовить. Но при этом люблю всё мясное. Так что, посмотрев на пример двоих друзей, я купил гриль и делаю на нем мясо без масла. По сути это две ребристые сковородки с быстрым нагревом и таймером, прижатые друг к другу. Комбинация формы поверхностей и температуры позволяет делать мясо быстро, но не сжигать его. Электроника позволяет запускать этот процесс нажатиями двух кнопок: - первым нажатием выбрал тип блюда (эта настройка задаёт температуру и отсечки по времени), устройство начинает греться и сигналит, когда можно выкладывать - положил мясо и вторым нажатием выбрал желаемую степень прожарки, устройство отключится и просигналит, когда готово Всё. Панели можно снять и помыть в посудомойке. Очень рекомендую. Конкретно у меня модель от русского производителя GFGRIL GF-2000, она наилучшим образом подошла по сумме всех нужных мне параметров, но рынок обширен, и предложений масса, на любой вкус. #gadgets

Hashtags

Резултати

Намерени 1 подобни публикации

Търсене: #generativea

当前筛选 #generativea清除筛选
Machinelearning

@ai_machinelearning_big_data · Post #8675 · 02.10.2025 г., 15:11

🔦Генерация изображений на свете, а не на GPU Исследователи из UCLA представили оптическую генеративную модель (Optical Generative Model). Она использует свет и линзы вместо вычислительных блоков - то есть картинки рождаются не на чипах, а в физике. 🔬 Как это работает: 1. Лёгкий цифровой энкодер превращает случайный шум в фазовый узор. 2. Этот узор загружается на оптический модулятор света. 3. Свет проходит через дифракционный декодер и прямо на сенсоре формируется изображение. ✔️ Авторами проведены реальные эксперименты: с помощью видимого света и SLM показаны результаты генерации: - Созданы цифры, лица, бабочки и даже картины в стиле Ван Гога. - Качество сравнимо с современными диффузионными моделями. - Есть две версии: мгновенная (один проход) и итеративная (несколько шагов, как у диффузии). ⚡ Чем интересен такой подход - Подход не требует никакой вычислительной нагрузки. - Супербыстрая генерация: физика света выполняет то, что GPU делает миллиардами операций. - Это открывает путь к энергоэффективному ИИ для edge-устройств: AR/VR, мобильные камеры, компактные сенсоры. ⚠️ Ограничения: - Сложно выравнивать оптические системы. - Ограничения по точности фазовых масок. - Зависимость от качества оборудования (шум, битовая глубина). Но даже с этими проблемами, это первый шаг к новому классу ИИ, где вычисления заменяются чистой оптикой. Nature: https://www.nature.com/articles/s41586-025-09446-5 @ai_machinelearning_big_data #AI#OpticalComputing#Photonics#GenerativeA