PRL速递:尖峰神经网络中的光滑精确梯度下降
近年来,神经形态计算(neuromorphic computing)逐渐成为研究热点,它利用尖峰神经网络(Spiking Neural Networks, SNNs)进行高效节能的计算。然而,由于尖峰信号的离散特性,传统的梯度下降法难以实现高效的学习。本文介绍
近年来,神经形态计算(neuromorphic computing)逐渐成为研究热点,它利用尖峰神经网络(Spiking Neural Networks, SNNs)进行高效节能的计算。然而,由于尖峰信号的离散特性,传统的梯度下降法难以实现高效的学习。本文介绍
剪纸是中国最古老的传统民间艺术之一。受剪纸艺术启发形成的剪纸超材料,具有超常的平面与三维曲面变形能力,在可展开结构领域具有极大的应用潜力。然而,剪纸超材料内部包含的大量旋转单元与几何约束,使得剪纸超材料的分析与设计十分困难,目前只能通过复杂的计算设计方法才能实
本文复现一篇题为“Anapole Meta-Atoms: Nonradiating Electric and Magnetic Sources”的PRL [1]。复现选择使用和文中相同的软件CST MICROWAVE STUDIO。首先进行简单的背景介绍。
先是在5月2日,中国科学技术大学潘建伟院士与徐飞虎合作作为共同通讯在物理顶级期刊《Physical Review X》上发表了最新研究成果。该研究报道了超越无中继器约束的实验模式配对量子密钥分发。该研究使用商用激光器演示了一个实用的高性能MP(模式配对)-QK