1IRIF、CNRS – パリ・シテ大学、フランス
2QC Ware、パロアルト、米国およびパリ、フランス
3エジンバラ大学情報学部、スコットランド、英国
4F. ホフマン ラ ロッシュ AG
この論文を興味深いと思うか、議論したいですか? SciRateを引用するかコメントを残す.
抽象
この研究では、自然言語処理と画像分析で非常に高性能であることが知られている最先端の古典的な変換ニューラル ネットワーク アーキテクチャを拡張することにより、量子変換が詳細に設計および分析されます。データの読み込みと直交ニューラル層にパラメータ化された量子回路を使用する以前の研究を基礎として、量子注意メカニズムの理論的利点を保証する複合行列に基づく量子変換器を含む、トレーニングと推論用の 3 種類の量子変換器を導入します。漸近的な実行時間とモデルパラメータの数の両方の点で、従来の対応物と比較しました。これらの量子アーキテクチャは、浅い量子回路を使用して構築でき、質的に異なる分類モデルを生成できます。提案されている 3 つの量子アテンション層は、古典的な変換器に厳密に従うものから、より多くの量子特性を示すものまで、スペクトルが異なります。量子変換器の構成要素として、行列を量子状態としてロードするための新しい方法と、量子コンピューターのさまざまなレベルの接続性と品質に適応できる 2 つの新しいトレーニング可能な量子直交層を提案します。私たちは、標準的な医用画像データセットに対して量子変換器の広範なシミュレーションを実行しました。その結果、クラス最高の古典的ビジョン変換器を含む従来のベンチマークと比較して、競争力があり、場合によってはより優れたパフォーマンスが示されました。これらの小規模データセットでトレーニングした量子変換器は、標準的な古典的なベンチマークと比較して、必要なパラメーターが少なくなります。最後に、私たちは量子変換器を超伝導量子コンピューターに実装し、最大 6 量子ビットの実験で有望な結果を得ました。
人気の要約
►BibTeXデータ
►参照
【1] ジェイコブ・ビアモンテ、ピーター・ウィッテック、ニコラ・パンコッティ、パトリック・レベントロスト、ネイサン・ウィーブ、セス・ロイド。 「量子機械学習」。 ネイチャー 549, 195–202 (2017).
https:/ / doi.org/ 10.1038 / nature23474
【2] アイリス・コン、チェ・スンウォン、ミハイル・D・ルーキン。 「量子畳み込みニューラル ネットワーク」。 自然物理学 15、1273–1278 (2019)。
https://doi.org/10.1038/s41567-019-0648-8
【3] キショール・バーティ、アルバ・セルベラ=リエルタ、ティ・ハ・チョー、トビアス・ハウグ、サムナー・アルペリン=リー、アビナフ・アナンド、マティアス・デグルート、ヘルマンニ・ヘイモネン、ヤコブ・S・コットマン、ティム・メンケ、他。 「ノイズの多い中規模量子アルゴリズム」。 Modern Physics 94、015004 (2022) のレビュー。
https:/ / doi.org/ 10.1103 / RevModPhys.94.015004
【4] マルコ・セレッソ、アンドリュー・アラスミス、ライアン・バブシュ、サイモン・C・ベンジャミン、遠藤傑、藤井圭介、ジャロッド・R・マクリーン、御手洗康介、シャオ・ユアン、ルカシュ・シンシオ 他「変分量子アルゴリズム」。 Nature Reviews Physics 3、625–644 (2021)。
https://doi.org/10.1038/s42254-021-00348-9
【5] ジョナス・ランドマン、ナタンシュ・マトゥール、ユン・イヴォナ・リー、マーティン・ストラム、スカンデル・カズダグリ、アヌパム・プラカシュ、ヨルダニス・ケレニディス。 「ニューラルネットワークの量子手法と医用画像分類への応用」。クォンタム 6、881 (2022)。
https://doi.org/10.22331/q-2022-12-22-881
【6] ボバク・キアニ、ランダル・バレストリエロ、ヤン・ルカン、セス・ロイド。 「projunn: ユニタリ行列を使用して深いネットワークをトレーニングするための効率的な方法」。神経情報処理システムの進歩 35、14448–14463 (2022)。
【7] アシシュ・バスワニ、ノーム・シェイザー、ニキ・パルマー、ヤコブ・ウスコレイト、リオン・ジョーンズ、エイダン・N・ゴメス、ウカシュ・カイザー、イリア・ポロスキン。 「必要なのは注意力だけです」。 神経情報処理システムの進歩 30 (2017)。
【8] ジェイコブ・デブリン、ミンウェイ・チャン、ケントン・リー、クリスティーナ・トウタノヴァ。 「バート: 言語理解のための深い双方向トランスフォーマーの事前トレーニング」 (2018)。
【9] アレクセイ・ドソヴィツキー、ルーカス・バイエル、アレクサンダー・コレスニコフ、ダーク・ワイセンボルン、シャオファ・ザイ、トーマス・ウンターティナー、モスタファ・デガニ、マティアス・ミンデラー、ゲオルク・ハイゴールド、シルヴァン・ゲリー、ヤコブ・ウシュコレイト、ニール・ホールズビー。 「画像は 16×16 ワードの価値があります: 大規模な画像認識のためのトランスフォーマー」。学習表現に関する国際会議 (2021)。 URL: openreview.net/forum?id=YicbFdNTTy。
https://openreview.net/forum?id=YicbFdNTTy
【10] イー・テイ、モスタファ・デガニ、ダラ・バーリ、ドナルド・メッツラー。 「効率的な変圧器: 調査」。 ACM コンピューティング調査 (CSUR) (2020)。
https:/ / doi.org/ 10.1145 / 3530811
【11] ドズミトリー・バダナウ、チョ・キョンヒョン、ヨシュア・ベンジオ。 「整列と翻訳を共同学習することによるニューラル機械翻訳」 (2016)。 arXiv:1409.0473 [cs、統計]。
arXiv:1409.0473
【12] J.シュミットフーバー。 「完全再帰ネットにおける学習の複雑さと時変変数の数との比率の削減」。 Stan Gielen と Bert Kappen、編集者、ICANN '93 より。 460~463ページ。ロンドン(1993年)。スプリンガー。
https://doi.org/10.1007/978-1-4471-2063-6_110
【13] ユルゲン・シュミットフーバー。 「高速重み付けメモリの制御方法の学習: 動的リカレント ネットワークの代替案」。ニューラル コンピューティング 4、131–139 (1992)。
https:/ / doi.org/ 10.1162 / neco.1992.4.1.131
【14] ピーター・チャ、ポール・ギンスパーグ、フェリックス・ウー、フアン・カラスキーラ、ピーター・L・マクマホン、キム・ウナ。 「注意ベースの量子トモグラフィー」。機械学習: 科学とテクノロジー 3、01LT01 (2021)。
https:/ / doi.org/ 10.1088/ 2632-2153/ ac362b
【15] リッカルド・ディ・シピオ、ホアン・ジアホン、サミュエル・イェンチー・チェン、ステファノ・マンジーニ、マルセル・ウォーリング。 「量子自然言語処理の夜明け」。 ICASSP 2022-2022 IEEE 音響、音声および信号処理に関する国際会議 (ICASSP) において。 8612 ~ 8616 ページ。 IEEE (2022)。
https:/ / doi.org/ 10.1109/ ICASP43922.2022.9747675
【16] 李広西、趙玄強、王新。 「テキスト分類のための量子自己注意ニューラル ネットワーク」(2022)。
【17] ファビオ・サンチェス、ショーン・ワインバーグ、井手孝則、神谷一光。 「配車ルート問題に対する強化学習ポリシーにおける短い量子回路」。フィジカルレビュー A 105、062403 (2022)。
https:/ / doi.org/ 10.1103 / PhysRevA.105.062403
【18] ヤン・ユアンフーとミン・スン。 「ハイブリッド古典量子深層学習による半導体欠陥検出」。 CVPRP ページ 2313 ~ 2322 (2022)。
https:/ / doi.org/ 10.1109/ CVPR52688.2022.00236
【19] マクスウェル・ヘンダーソン、サムリディ・シャキャ、シャシンドラ・プラダン、トリスタン・クック。 「量子進化ニューラル ネットワーク: 量子回路による画像認識の強化」。量子マシンインテリジェンス 2、1–9 (2020)。
https:/ / doi.org/ 10.1007 / s42484-020-00012-y
【20] エドワード・ファリとハルトムート・ネヴェン。 「短期プロセッサ上の量子ニューラル ネットワークによる分類」(2018)。 URL: doi.org/ 10.48550/ arXiv.1802.06002.
https:/ / doi.org/ 10.48550 / arXiv.1802.06002
【21] 御手洗浩介、根来誠、北川雅弘、藤井啓介。 「量子回路学習」。 フィジカル レビュー A 98、032309 (2018)。
https:/ / doi.org/ 10.1103 / PhysRevA.98.032309
【22] Kui Jia、Shuai Li、Yuxin Wen、Tongliang Liu、Dacheng Tao。 「直交ディープ ニューラル ネットワーク」。 パターン分析と機械知能に関する IEEE トランザクション (2019)。
https:/ / doi.org/ 10.1109 / TPAMI.2019.2948352
【23] ロジャー・A・ホーンとチャールズ・R・ジョンソン。 「マトリックス分析」。ケンブリッジ大学出版局。 (2012年)。
https:/ / doi.org/ 10.1017 / CBO9780511810817
【24] ヨルダニス・ケレニディスとアヌパム・プラカシュ。 「部分空間状態を使用した量子機械学習」(2022)。
【25] ブルックス・フォックスン、チャールズ・ニール、アンドリュー・ダンズワース、ペドラム・ローシャン、ベン・キアーロ、アンソニー・メグラント、ジュリアン・ケリー、ジジュン・チェン、ケビン・サッツィンガー、ラミ・バレンズ 他「短期量子アルゴリズム用の 125 量子ビット ゲートの連続セットの実証」。 Physical Review Letters 120504、2020 (XNUMX)。
https:/ / doi.org/ 10.1103 / PhysRevLett.125.120504
【26] ソニカ・ジョーリ、シャンタヌ・デブナス、アヴィナシュ・モチェラ、アレクサンドロス・シンク、アヌパム・プラカシュ、ジュンサン・キム、ヨルダニス・ケレニディス。 「トラップされたイオン量子コンピュータ上の最近傍重心分類」。 npj 量子情報 7, 122 (2021).
https://doi.org/10.1038/s41534-021-00456-5
【27] ジェームズ・W・クーリーとジョン・W・テューキー。 「複素フーリエ級数の機械計算アルゴリズム」。計算の数学 19、297–301 (1965)。
https://doi.org/10.1090/S0025-5718-1965-0178586-1
【28] リー・ジン、イーチェン・シェン、テナ・ドゥブチェク、ジョン・ピューリフォイ、スコット・A・スキルロ、ヤン・ルカン、マックス・テグマーク、マリン・ソルヤチッチ。 「調整可能な効率的なユニタリ ニューラル ネットワーク (eunn) とその rnns への応用」。機械学習に関する国際会議にて。 (2016年)。 URL: api.semanticscholar.org/CorpusID:5287947。
https:/ / api.semanticscholar.org/ CorpusID:5287947
【29] レオ・モンブルスー、ジョナス・ランドマン、アレックス・B・グリロ、ロマン・ククラ、エルハム・カシェフィ。 「機械学習のためのハミング重み保存量子回路の訓練可能性と表現力」(2023)。 arXiv:2309.15547。
arXiv:2309.15547
【30] エンリコ・フォンタナ、ディラン・ハーマン、シューヴァニク・チャクラバルティ、ニラージ・クマール、ロミナ・ヤロベツキー、ジェイミー・ヘレッジ、シュリー・ハリ・スレシュバブ、マルコ・ピストイア。 「必要なのは随伴性だけです: 量子分析における不毛の高原の特徴付け」 (2023)。 arXiv:2309.07902。
arXiv:2309.07902
【31] マイケル・ラゴーネ、ボイコ・N・バカロフ、フレデリック・ソバージュ、アレクサンダー・F・ケンパー、カルロス・オルティス・マレーロ、マーティン・ラロッカ、M・セレッソ。 「深いパラメータ化された量子回路のための不毛なプラトーの統一理論」(2023)。 arXiv:2309.09342。
arXiv:2309.09342
【32] Xuchen YouとXiaodi Wu。 「量子ニューラルネットワークには指数関数的に多くの極小値が存在する」。機械学習に関する国際会議にて。 12144 ~ 12155 ページ。 PMLR (2021)。
【33] エリック・R・アンシュエッツとボバク・トゥッシ・キアニ。 「量子変分アルゴリズムは罠に満ちている」。 Nature Communications 13 (2022)。
https://doi.org/10.1038/s41467-022-35364-5
【34] イリヤ・O・トルスティヒン、ニール・ホールズビー、アレクサンダー・コレスニコフ、ルーカス・バイエル、シャオファ・ザイ、トーマス・ウンターティナー、ジェシカ・ヨン、ダニエル・カイザーズ、ヤコブ・ウシュコレイト、マリオ・ルチッチ、アレクセイ・ドソヴィツキー。 「MLP ミキサー: ビジョンのためのオール MLP アーキテクチャ」。 NeurIPS で。 (2021年)。
【35] Jiancheng Yang、Rui Shi、Bingbing Ni。 「Medmnist 分類 2020 種競技: 医療画像分析のための軽量の automl ベンチマーク」(XNUMX 年)。
https:/ / doi.org/ 10.1109/ ISBI48211.2021.9434062
【36] Jiancheng Yang、Rui Shi、Donglai Wei、Zequan Liu、Lin Zhao、Bilian Ke、Hanspeter Pfister、Bingbing Ni。 「Medmnist v2 - 2D および 3D 生物医学画像分類のための大規模軽量ベンチマーク」。科学的データ 10、41 (2023)。
https://doi.org/10.1038/s41597-022-01721-8
【37] アンゲロス・カタロプロス、アプール・ヴィアス、ニコラオス・パパス、フランソワ・フルーレ。 「トランスフォーマーは rnns です。線形注意を備えた高速自己回帰トランスフォーマーです。」機械学習に関する国際会議にて。 5156 ~ 5165 ページ。 PMLR (2020)。
【38] ジェームズ・ブラッドベリ、ロイ・フロスティグ、ピーター・ホーキンス、マシュー・ジェームズ・ジョンソン、クリス・リアリー、ドゥーガル・マクローリン、ジョージ・ネキュラ、アダム・パスケ、ジェイク・ヴァンダープラス、スカイ・ワンダーマン=ミルン、チャオ・チャン。 「JAX: Python+NumPy プログラムのコンポーザブル変換」。 Github (2018)。 URL: http://github.com/google/jax。
http:/ / github.com/ google / jax
【39] ディーデリク・P・キングマとジミー・バー。 「アダム: 確率的最適化の手法」。 CoRR abs/ 1412.6980 (2015)。
【40] ノ・ヒョヌ、ユ・タクグン、ムン・ジョンファン、ハン・ボヒョン。 「ノイズによるディープ ニューラル ネットワークの正則化: その解釈と最適化」. NeurIPS (2017)。
【41] シュエ・イン。 「過学習とその解決策の概要」。 Journal of Physs: カンファレンスシリーズにて。ボリューム 1168、022022 ページ。IOP Publishing (2019)。
https://doi.org/10.1088/1742-6596/1168/2/022022
によって引用
[1] David Peral García、Juan Cruz-Benito、Francisco José García-Peñalvo、「体系的文献レビュー: 量子機械学習とそのアプリケーション」、 arXiv:2201.04093, (2022).
[2] エル・アミン・チェラット、スネハル・ラージ、ヨルダニス・ケレニディス、アビシェク・シェカール、ベン・ウッド、ジョン・ディー、シューヴァニク・チャクラバルティ、リチャード・チェン、ディラン・ハーマン、シャオハン・フー、ピエール・ミンセン、ルスラン・シェドゥリン、ユエ・サン、ロミナ・ヤロベツキー、マルコ・ピストイア、 「量子ディープヘッジ」、 量子7、1191(2023).
[3] Léo Monbroussou、Jonas Landman、Alex B. Grilo、Romain Kukla、Elham Kashefi、「機械学習のためのハミング重み保存量子回路の訓練可能性と表現力」、 arXiv:2309.15547, (2023).
[4] Sohum Thakkar、Skander Kazdaghli、Natansh Mathur、Iordanis Kerenidis、André J. Ferreira-Martins、および Samurai Brito、「量子機械学習による財務予測の改善」、 arXiv:2306.12965, (2023).
[5] Jason Iaconis および Sonika Johri、「Tensor Network Based Efficient Quantum Data Loading of Images」、 arXiv:2310.05897, (2023).
[6] Nishant Jain、Jonas Landman、Natansh Mathur、および Iordanis Kerenidis、「パラメトリック偏微分方程式を解くための量子フーリエ ネットワーク」、 arXiv:2306.15415, (2023).
[7] Daniel Mastropietro、Georgios Korpas、Vyacheslav Kungurtsev、および Jakub Marecek、「Fleming-Viot は不毛の平原の存在下での変分量子アルゴリズムの高速化に役立ちます」、 arXiv:2311.18090, (2023).
[8] Aliza U. Siddiqui、Kaitlin Gili、Chris Ballance、「最新の量子ハードウェアへのストレス: パフォーマンス評価と実行に関する洞察」、 arXiv:2401.13793, (2024).
上記の引用は SAO / NASA ADS (最後に正常に更新された2024-02-22 13:37:43)。 すべての出版社が適切で完全な引用データを提供するわけではないため、リストは不完全な場合があります。
取得できませんでした クロスリファレンス被引用データ 最終試行2024-02-22 13:37:41:10.22331 / q-2024-02-22-1265の被引用データをCrossrefから取得できませんでした。 DOIが最近登録された場合、これは正常です。
この論文は、 Creative Commons Attribution 4.0 International(CC BY 4.0) ライセンス。 著作権は、著者やその機関などの元の著作権者にあります。
- SEO を活用したコンテンツと PR 配信。 今日増幅されます。
- PlatoData.Network 垂直生成 Ai。 自分自身に力を与えましょう。 こちらからアクセスしてください。
- プラトアイストリーム。 Web3 インテリジェンス。 知識増幅。 こちらからアクセスしてください。
- プラトンESG。 カーボン、 クリーンテック、 エネルギー、 環境、 太陽、 廃棄物管理。 こちらからアクセスしてください。
- プラトンヘルス。 バイオテクノロジーと臨床試験のインテリジェンス。 こちらからアクセスしてください。
- 情報源: https://quantum-journal.org/papers/q-2024-02-22-1265/
- :は
- :not
- ][p
- $UP
- 1
- 10
- 11
- 12
- 125
- 13
- 14
- 視聴者の38%が
- 16
- 17
- 19
- 20
- 2012
- 2015
- 2016
- 2017
- 2018
- 2019
- 2020
- 2021
- 2022
- 2023
- 2024
- 22
- 23
- 24
- 25
- 視聴者の38%が
- 27
- 28
- 29
- 2D
- 30
- 31
- 32
- 33
- 視聴者の38%が
- 36
- 39
- 3d
- 40
- 41
- 43
- 7
- 8
- 9
- 98
- a
- 上記の.
- 抽象
- アクセス
- ACM
- アダム
- さらに
- 進歩
- 利点
- 利点
- 所属
- AL
- アレックス
- アレクサンダー
- アルゴリズム
- アルゴリズム
- 整列する
- すべて
- 代替案
- an
- 分析
- および
- アンドルー
- アンソニー
- API
- 申し込み
- 建築
- アーキテクチャ
- です
- AS
- 前提条件
- At
- 試み
- 注意
- 著者
- 著者
- AutoML
- 不毛
- ベース
- BE
- よく
- ベンチマーク
- ベンチマーク
- ベンジャミン
- より良いです
- の間に
- 双方向の
- 生物医学
- ブロック
- 両言語で
- ブレーク
- 建物
- 内蔵
- by
- 計算
- ケンブリッジ
- 缶
- 機能
- カルロス
- 茶
- チャン
- 特性
- チャールズ
- チェン
- CHO
- Chris Ho (クリス・ホー)
- 分類
- 密接に
- コメント
- コモンズ
- 通信部
- 比べ
- 競争力のある
- コンプリート
- 複雑な
- 複雑さ
- 構成可能
- 計算
- コンピュータ
- コンピューター
- コンピューティング
- 講演
- 接続性
- 連続的な
- コントロール
- 著作権
- 可能性
- カウンターパート
- 対応
- 作ります
- Daniel Mölk
- データ
- データセット
- デイビッド
- 深いです
- 深い学習
- 実証します
- 設計
- 詳細
- 検出
- 異なります
- 話し合います
- ドナルド
- 間に
- ダイナミック
- E&T
- 編集者
- エドワード
- 有効
- 効率的な
- el
- 心強い
- 高めます
- エリック
- 評価
- さらに
- 実行します
- 実行
- 出展
- 実験
- 探る
- 延伸
- 広範囲
- スピーディー
- 2月
- より少ない
- 最後に
- ファイナンシャル
- 焦点
- 続いて
- フォロー中
- フランシスコ
- から
- 完全に
- ゲイツ
- ジョージ
- GitHubの
- ゴメス
- 保証
- Hardware
- ハーバード
- ヘッジング
- 助けます
- ことができます
- ホルダー
- HTTP
- HTTPS
- 黄
- ハイブリッド
- IEEE
- if
- イリア
- 画像
- 画像分類
- 画像認識
- 画像
- 実装
- 改善されました
- in
- 含めて
- 情報
- 洞察
- 機関
- インテリジェンス
- 興味深い
- 世界全体
- 解釈
- 紹介する
- ITS
- ジェイコブ
- ジェームズ
- ジェイミー
- JavaScriptを
- ジミー
- John Redfern
- ジョンソン
- ジョン
- ジョーンズ
- ジャーナル
- ジョン
- キム
- 既知の
- クマー
- 言語
- 大規模
- 姓
- 層
- 層
- 学習
- コメントを残す
- リー
- レベル
- 活用
- Li
- ライセンス
- 軽量
- ような
- LIN
- 線形
- リスト
- レポート
- ローダ
- ローディング
- ローカル
- ロンドン
- 機械
- 機械学習
- 多くの
- マルコ
- マリオ
- マーティン
- 数学
- マトリックス
- マシュー
- マックス
- 最大幅
- マクスウェル
- 五月..
- マクリーン
- メカニズム
- 医療の
- 思い出
- 方法
- メソッド
- Michael Liebreich
- ミハイル
- 分
- モデル
- モダン
- 月
- 他には?
- ナチュラル
- 自然言語処理
- 自然
- 近く
- 必要
- ネッツ
- ネットワーク
- ネットワーク
- ニューラル
- ニューラルネットワーク
- ニューラルネットワーク
- 新作
- ノイズ
- 通常の
- 小説
- 数
- 得
- of
- on
- ONE
- 開いた
- 最適化
- or
- オリジナル
- 私たちの
- でる
- が
- 概要
- ページ
- ページ
- パロアルト
- 紙素材
- パラメータ
- パリ
- パトリック
- パターン
- Paul Cairns
- パフォーマンス
- 実行
- Peter Bauman
- 物理的な
- 物理学
- ピエール
- プラトン
- プラトンデータインテリジェンス
- プラトデータ
- ポリシー
- ポロスキン
- 潜在的な
- 電源
- プラカシュ
- プレゼンス
- 現在
- 保存する
- 前
- 問題
- 処理
- プロセッサ
- 作り出す
- プログラム
- 有望
- 提案する
- 提案された
- 提供します
- 公表
- 出版社
- 出版社
- 出版
- 品質
- 量子
- 量子アルゴリズム
- 量子コンピューター
- 量子コンピュータ
- 量子コンピューティング
- 量子情報
- 量子機械学習
- キュービット
- R
- ラミ
- 比
- 最近
- 認識
- 再発
- リファレンス
- 登録された
- 残っている
- 必要とする
- 結果
- レビュー
- レビュー
- リチャード
- ロッシュ
- ローマン
- ルーティング
- ロイ
- ラン
- ランタイム
- Ryan Tan
- s
- 規模
- 科学
- 科学技術
- 科学的な
- スコット
- ショーン
- シリーズ
- セッションに
- 浅い
- 示されました
- シグナル
- サイモン
- シミュレーション
- SIX
- ソリューション
- 解決
- 一部
- スペクトラム
- スピーチ
- スピード
- 標準
- 最先端の
- 米国
- 勉強
- 首尾よく
- そのような
- 適当
- 日
- 超伝導
- Survey
- システム
- タスク
- テイ
- テクノロジー
- 期間
- 条件
- 클라우드 기반 AI/ML및 고성능 컴퓨팅을 통한 디지털 트윈의 기초 – Edward Hsu, Rescale CPO 많은 엔지니어링 중심 기업에게 클라우드는 R&D디지털 전환의 첫 단계일 뿐입니다. 클라우드 자원을 활용해 엔지니어링 팀의 제약을 해결하는 단계를 넘어, 시뮬레이션 운영을 통합하고 최적화하며, 궁극적으로는 모델 기반의 협업과 의사 결정을 지원하여 신제품을 결정할 때 데이터 기반 엔지니어링을 적용하고자 합니다. Rescale은 이러한 혁신을 돕기 위해 컴퓨팅 추천 엔진, 통합 데이터 패브릭, 메타데이터 관리 등을 개발하고 있습니다. 이번 자리를 빌려 비즈니스 경쟁력 제고를 위한 디지털 트윈 및 디지털 스레드 전략 개발 방법에 대한 인사이트를 나누고자 합니다.
- テキスト分類
- それ
- アプリ環境に合わせて
- 理論的な
- 理論
- ボーマン
- 彼ら
- この
- トーマス
- 三
- ティム
- 時間
- <font style="vertical-align: inherit;">回数</font>
- 役職
- 〜へ
- 訓練された
- トレーニング
- 取引
- 変換
- トランス
- トランスフォーマー
- 翻訳する
- インタビュー
- 閉じ込められました
- トラップ
- 2
- 下
- 理解する
- 統一
- ユニーク
- 大学
- 更新しました
- に
- URL
- USA
- 使用されます
- 変わります
- 変化する
- 自動車
- 非常に
- 、
- ビジョン
- ボリューム
- W
- 王
- 欲しいです
- ました
- we
- WELL
- which
- 木材
- 言葉
- 仕事
- 価値
- wu
- シャオ
- 年
- 産出
- 英
- You
- 元
- ゼファーネット
- 趙