量子

　　 　　美国东部时间 6 月 17 日，《麻省理工科技评论》公布了第 20 届 Innovators Under 35 评选结果，即 2020 年度 全球 “ 35 岁以下科技创新 35 人 ”榜单。 　　在此次的 35 名上榜者中， 共有 5 位华人 ，他们分别是香侬科技创始人兼 CEO 李纪为 、芝加哥大学分子工程学院助理教授 王思泓 、伊利诺伊大学厄巴纳-香槟分校机械科学与工程系助理教授 蔡丽丽 、伊利诺伊大学厄巴纳-香槟分校计算机科学系助理教授 李博 ，以及 Modern Electron 联合创始人兼 CEO 潘世昂 。 　　在当下这个略显混乱的时代，看到如此多的青年才俊仍在努力让世界变得更加美好，着实令人内心充满勇气。 　　这对于那些抗击病毒大流行的医务人员和为社会正义而战的普通公民而言，以及对那些致力于通过技术来解决这些问题和许多其他问题的人们来说，都是真真切切的精神鼓舞。 　　榜单中的 35 位年轻创新者并不都在努力抗击新冠病毒大流行，也并非都在寻求社会不公的补救策略。尽管他们没有具体解决这些问题，但却都在努力寻求用科技帮助世人的最新方法。他们试图解决我们的气候危机，找到帕金森氏症的治疗方法，亦或是为那些迫切需要的人提供饮用水。 　　这份榜单的评选每年都会产生 500 多个提名，编辑们的首要任务是筛选出 100 名入围候选人，提交给 25 位评委专家

　　机器之心报道 　　 参与：蛋酱、张倩 　　 人生没有固定的答案，但Chris Olah的道路，不一定适合所有人。 　　 　　假如你年纪轻轻，就有机会进入顶尖的 AI 公司，时常和业内大佬「谈笑风生」，你还会回到大学，努力通过所有考试，去获得一张本科文凭吗？ 　　人们都听说过很多辍学创业、一战成名的传奇故事，比尔盖茨、乔布斯、扎克伯格…… 一些没有完成大学学业的年轻人，最终在商业上都取得了巨大成功，这也曾让「大学无用论」等观点甚嚣尘上。 　　上大学还是不上大学，怎么选？ 　　18 岁辍学、22 岁进谷歌，有着类似经历的「神童」Chris Olah 在一篇博客里，写出了自己的心声。他认为，与其去问「上大学好不好」，还不如问自己：「是否有更具吸引力的事情等着我去做？」 　　Chris Olah 的生活经历和常人不同，在刚刚开始进行深度学习研究的时候，他就得到了知名学者、量子物理学家 Michael Nielsen 的指导。2013 年，图灵奖得主 Yoshua Bengio 曾邀请他去 MILA，并设法让他在没有本科学位的情况下直接作为研究生完成学业，但最终 Chris Olah 拒绝了。在谷歌的时候，他是 Jeff Dean 的实习生。后来在 Greg Corrado 的帮助下，他转为了谷歌的正式员工。目前，他正担任 OpenAI 的研究科学家，也不过才 28 岁而已。 　　当然

下面这篇文章，感觉讲的非常好： http://www.8btc.com/baizhantingjiangjun 拜占庭将军问题是一个共识问题: 首先由Leslie Lamport与另外两人在1982年提出，被称为The Byzantine Generals Problem或者Byzantine Failure。核心描述是军中可能有叛徒，却要保证进攻一致，由此引申到计算领域，发展成了一种容错理论。随着比特币的出现和兴起，这个著名问题又重入大众视野。 应该明确的是，拜占庭将军问题中并不去考虑通信兵是否会被截获或无法传达信息等问题，即消息传递的信道绝无问。Lamport已经证明了在消息可能丢失的不可靠信道上试图通过消息传递的方式达到一致性是不可能的。所以，在研究拜占庭将军问题的时候，我们已经假定了信道是没有问题的，并在这个前提下，去做一致性和容错性相关研究。如果需要考虑信道是有问题的，这涉及到了另一个相关问题：两军问题。 1.2.与拜占庭将军相关问题：两军问题 正如前文所说，拜占庭将军问题和两军问题实质是不一样的。国内大量解释拜占庭将军问题的文章将两者混为一谈，其实是混淆了两个问题的实质，由此造成了许多误解。这两个问题看起来的确有点相似，但是问题的前提和研究方向都截然不同。 看到这里您可能发现两军问题和拜占庭将军问题有一定的相似性，但我们必须注意的是，通信兵得经过敌人的沟渠

软件正在统治世界。而软件的核心则是算法。算法千千万万，又有哪些算法属于“皇冠上的珍珠”呢？Marcos Otero 给出了他的 看法 。 什么是算法？ 通俗而言，算法是一个定义明确的计算过程，可以一些值或一组值作为输入并产生一些值或一组值作为输出。因此算法就是将输入转为输出的一系列计算步骤。 —Thomas H. Cormen，Chales E. Leiserson，算法入门第三版 简而言之，算法就是可完成特定任务的一系列步骤，它应该具备三大特征： 1、有限 2、指令明确 3、有效 以下是 Marcos Otero 推荐的十大算法： 1、归并排序、快速排序及堆积排序 最好的排序算法跟需求密切相关，很难评判。但是从使用上说，这三种的使用频率更高。 归并排序 由冯•诺依曼于 1945 年发明。这是一种基于比较的排序算法，采用分而治之的办法解决问题，其阶是 O(n^2)。 快速排序 可采用原地分割方法，也可采用分而治之算法。这不是一种稳定的排序算法，但对于基于 RAM（内存）的数组排序来说非常有效。 堆排序 采用优先级队列来减少数据中的搜索时间。该算法也是原地算法，并非稳定排序。 这些排序算法相对于以前的冒泡排序算法等有了巨大改进，实际上我们今天的数据挖掘、人工智能、链接分析及包括 web 在内的大多数计算工具都要感谢它们。 2、傅里叶变换与快速傅里叶变换 我们的整个数字世界都使用这两个

转自： https://blog.csdn.net/study_all/article/details/102543500 一、简介 二、目标跟踪基本流程与框架 三、快速目标跟踪方法 模板匹配 TLD 光流法(Lucas-Kannade) 四、快速目标跟踪方式的应用效果 一、简介 目标跟踪是计算机视觉研究领域的热点之一，有着非常广泛的应用，如：相机的跟踪对焦、无人机的自动目标跟踪等都需要用到目标跟踪技术。此外，还有特定物体的跟踪，比如人体跟踪，交通监控系统中的车辆跟踪，人脸跟踪和智能交互系统中的手势跟踪等。 过去的几十年来，目标跟踪技术取得了长足的进步。特别是近几年，随着深度学习的目标跟踪方法的出现，获得了令人满意的效果，也涌现了越来越多的方法，这都使得目标跟踪技术取得了突破性的进展。 本文 主要内容 包括：目标跟踪的基本流程与框架，快速目标跟踪相关方法及其应用效果。 希望通过本文能帮助读者对目标跟踪领域有一个较为全面的认识，对其中涉及到的方法及原理有进一步的了解。 二、目标跟踪基本流程与框架 目标（单目标）跟踪任务就是在给定某视频序列初始帧的目标大小与位置的情况下，预测后续帧中该目标的大小与位置。 此基本任务 大致流程 可以根据框架进行如下划分： 输入初始化目标框（初始帧），在下一帧中产生众多候选框（Motion Model），提取这些候选框的特征（Feature

来源：图灵教育 今天是计算机科学之父、人工智能之父 艾伦·麦席森·图灵 诞辰 108 周年。作为“图灵意志”的传承者，依照惯例，在今日纪念这位伟人。 从“图灵机”到“图灵测试”，从破译德军的 Enigma 到自杀之谜，图灵一生都是传奇，关于图灵的故事我们不在这里赘述，感兴趣的读者请看文末推荐阅读。今天我们更想聊聊，计算机领域最高奖项 —— 图灵奖（Turing Award）。 为纪念艾伦·麦席森·图灵在计算机领域的卓越贡献，美国计算机协会于1966年设立图灵奖，此奖项被誉为计算机科学界的诺贝尔奖。 每年，美国计算机协会将要求提名人推荐本年度的图灵奖候选人，并附加一份 200 到 500 字的文章，说明被提名者为什么应获此奖。 任何人都可成为提名人，但美国计算机协会将组成评选委员会，对被提名者进行严格的评审，并最终确定当年的获奖者，当年的图灵奖一般于次年3月下旬颁发。 虽然图灵奖被称为计算机界的诺贝尔奖，但与诺贝尔奖 140 万美元的奖金相比，图灵奖的奖金显得相形见绌。 初时期为 20 万美金， 1989 年增长到 25万美金，2015 年开始，Google 宣布赞助图灵奖奖金，金额达到 100 万美元。 群星闪耀的时代 下面我们来盘点一下，这 54 年里的图灵奖得主及其主要贡献，来看看那些“计算机领域的巨星”。 1960年代 艾伦·佩利 Alan J. Perlis 贡献领域

困扰扭结理论领域数十年的「康威扭结是否为平滑 slice」的问题终于得到了解答！Lisa Piccirillo 在不到一周的时间里解答了这个难题。 机器之心报道，参与：魔王、杜伟。 4 月 12 日，当代传奇数学家、「生命游戏」发明者 约翰·何顿·康威（John Horton Conway） 因新冠肺炎去世，享年 82 岁。这位享誉海外的数学家一生中在组合博弈论、数论、群论、扭结理论等领域都做出了重大贡献，他在扭结理论领域提出了亚历山大多项式的新变式，现在被称为康威多项式。这个概念在 20 世纪 80 年代成为新式扭结多项式工作的核心。 亚历山大–康威多项式。 与此同时，康威多项式始终伴随着一个疑问，即康威扭结是否属于更高维扭结（higher-dimensional）的平滑 slice。「Sliceness」是扭结理论家针对更高维空间中扭结提出的一个自然问题，数学家已经能够回答具有 12 个或更少缠结（crossing）的数千个扭结的这一问题。但几十年来，具有 11 个缠结的康威扭结问题却一直未能得到解答。 2018 年夏天，博士就读于德克萨斯大学奥斯汀分校数学系的 Lisa Piccirillo 听说了这个数学问题，并表示她不认为这是个真正的数学问题。在不到一周的时间内，Piccirillo 便有了答案：康威扭结不是「平滑 slice」。 对此

在网上看到的一篇文章，看了以后感触颇深。他讲述了线性代数的本质，对线性空间、向量和矩阵做了直觉的描述。 线性代数课程，无论你从行列式入手还是直接从矩阵入手，从一开始就充斥着莫名其妙。 比如说，在全国一般工科院系教学中应用最广泛的同济线性代数教材（现在到了第四版），一上来就介绍逆序数这个古怪概念，然后用逆序数给出行列式的一个 极不直观的定义，接着是一些简直犯傻的行列式性质和习题——把这行乘一个系数加到另一行上，再把那一列减过来，折腾得那叫一个热闹，可就是压根看不出 这个东西有嘛用。 大多数像我一样资质平庸的学生到这里就有点犯晕：连这是个什么东西都模模糊糊的，就开始钻火圈表演了，这未免太无厘头了吧！于是开始有人逃课，更多的 人开始抄作业。这下就中招了，因为其后的发展可以用一句峰回路转来形容，紧跟着这个无厘头的行列式的，是一个同样无厘头但是伟大的无以复加的家伙的出 场——矩阵来了！多年之后，我才明白，当老师犯傻似地用中括号把一堆傻了吧叽的数括起来，并且不紧不慢地说：“这个东西叫做矩阵”的时候，我的数学生涯 掀开了何等悲壮辛酸、惨绝人寰的一幕！自那以后，在几乎所有跟“学问”二字稍微沾点边的东西里，矩阵这个家伙从不缺席。对于我这个没能一次搞定线性代数 的笨蛋来说，矩阵老大的不请自来每每搞得我灰头土脸，头破血流。长期以来，我在阅读中一见矩阵，就如同阿Q见到了假洋鬼子，揉揉额角就绕道走。 事实上

　　扫码免费参加人工智能年度盛会 　　过去的半个多世纪，光学领域的重要创新不但捧走了近 20 个诺贝尔奖，大量成果也走进了人们的日常生活之中：仅仅是你每天都在使用的手机，就涉及 30 多项光学技术。 　　 最近在公开场合表达对光技术心向往之的一个重磅角色，是华为。 　　在《麻省理工科技评论》的一次公开活动上，华为战略研究院院长徐文伟就明确表示，未来 5 到 10 年，华为每年会给世界各地的大学和实验室投入 3 亿美元， 将投资包括光计算在内的几大新兴技术方向。 　　 　　（来源：华为） 　　而为该领域所感到兴奋的群体中，自然也少不了嗅觉敏锐的技术投资人的身影，之中更不乏堪称执着的信仰者。 　　 在国内，中科创星联合创始人米磊便是其中一位。 他在多个公开场合表示，回顾过去三次工业革命，第一次是机械化时代的革命，第二次是电气化时代的革命，第三次是信息化时代的革命， 而眼前的第四次工业革命，正是 “光子集成 + 人工智能 + 生命科学” 的革命。“光学革命的时代已经开始 ”，他曾如此说道。 　　 现在，中科创星投资该领域项目已经超过 80 家， 正蓄势以待光子集成时代的到来。 　　 　　图｜半导体晶圆加工（来源：TSMC） 　　 从激光器到光纤再到LED，光支撑的产业革命 　　 回顾人类科技产业版图，重大光学技术创新曾创造过几次关键的产业革命拐点。 　　1960 年 激光器 的发明

关系数据库的应用已经有了半个世纪的历史，其各种子类别(如文档、键值数据库和缓存数据库)是IT领域中长期存在的部分。很多人可能会认为数据库创新的时代已经过去了。但是，云计算基础设施和服务的兴起为这个原本停滞不前的市场注入了新的活力。 主要的云计算提供商最初将数据库作为应用程序使用，以便在通用计算实例上运行，但很快就开始使用更高级别的应用程序服务来扩展其IaaS产品。云计算数据库已经成为技术开发的关键领域，云计算提供商可以通过启动不同类型的数据库来满足业务需求来进行竞争。 1. 了解市场 调研机构Gartner公司认为，云计算是数据库市场的未来。该公司预测，到2022年，将有75%的数据库部署在云中。这一数字基于客户对新应用程序和现有应用程序的查询和访问，这些应用程序正在以越来越快的速度向云端迁移，预计这一趋势将会加速。 例如，在Gartner公司发布的2019年数据库市场份额排名中，AWS公司排名第三，高于2013年的第七位。事实上，AWS公司数据库分析师收到大部分查询信息都与云平台有关。而且，由于托管公共云服务的弹性、可扩展性以及按需性质，在云中进行的创新可能无法在内部部署复制。 此外，Gartner公司估计，2018年云计算数据库收入占整体数据库软件和服务收入增长的68%，其中AWS和Microsoft的收入占到绝大部分。 2. 熟悉数据库选项 为了规划这个以云计算为中心的未来