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

TGINSIGHT SIMILAR POSTS

Намери подобно съдържание

Изходен канал @clockstackwheels · Post #215 · 10.02

Росатом, где я работаю, участвует в проекте под названием Rhisotope. Браконьеры очень сильно сокращают популяцию носорогов, потому что рог на чёрном рынке хорошо продаётся. Есть даже направления альтернативной медицины, основанные на порошке из рога носорога. Несколько учёных додумались вводить носорогам в рог специальный изотоп, который чуть-чуть фонит. Самому носорогу это не причиняет вреда, зато такая метка светится на сканерах в аэропортах. Уже установлено 11 000 таких сканеров. Полагается, что это осложнит перевозку рогов, а значит снизит и поток контрабанды. План у проекта пометить минимум 1000 носорогов за первые три года. Кстати, раньше людям приходилось отрезать живым носорогам рога, чтобы спасти их от убийства. Рог отрастает за 1.5 года, но с точки зрения природы даже его временное отсутствие неестественно. На мой взгляд, в дополнение к этой инициативе нужно отлавливать самих браконьеров и вводить им изотопы с более сильным излучением. #life

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