日前,NEC宣布开始就量子计算技术的应用进行实际测试,以提高ICT设备维修服务提供商NEC Fielding株式会社(以下简称NEC Fielding)的维修零件交付效率。
零件中心载有维修零件的配送车辆
具体来说,当客户工程师(以下简称CE)被派往现场进行设备故障的维修作业时,将通过量子计算技术制定符合CE派遣安排的维修零件配送计划。基于以往日本首都范围内的零件配送数据进行测算的结果显示,可减少配送车辆的数量和缩短行驶距离,从而将配送成本降低约30%。今后NEC将继续针对现场的实际应用进行验证测试。
NEC Fielding提供维修服务,当NEC或其他公司生产的ICT设备及非ICT设备发生故障时,CE会前往客户处进行维修作业。在日本首都范围内,每天会有数百件维修作业,在根据CE 的技能水平及到达时间进行调度的同时,还要根据交通情况从零件中心配送零件。然而,除了紧急响应、定期维护和特定时间等各种订单外,还存在庞大的配送变量的组合,诸如配送区域、零件种类和尺寸、使用卡车和摩托车等。能够制定有效配送计划的人才有限,这是目前的一个课题。
在此次使用量子计算技术进行的实际测试中,NEC和NEC Fielding采用了可超高速处理大规模组合问题的NEC向量退火服务(NEC Vector Annealing Service),目的是通过提高配送效率来降低成本和二氧化碳排放,消除设置专人制定配送计划的必要性。2022年2月起,两家公司已开始在现场的部分维修服务中应用量子计算技术进行验证测试,旨在提高配送计划的精确性,验证实际运用中的问题,为下一年度的正式推出做准备。
对于日益复杂的社会问题,有望使迄今无法解决的问题得以高速解决的量子计算越来越受到关注,NEC正在积极开发各种使用案例,如优化生产计划、提高金融领域机器学习的精度等。NEC将以此次为开端,在企业和大学中推广量子计算的应用,为社会问题的解决贡献力量。
好文章,需要你的鼓励
卢森堡大学研究团队开发的RLDP框架首次将强化学习应用于差分隐私优化,创造性地解决了AI训练中隐私保护与模型效果的矛盾。该方法如同智能教练,能动态调整隐私保护策略,在四种语言模型上实现平均5.6%的性能提升和71%的训练时间缩短,同时增强了抗隐私攻击能力,为敏感数据的AI应用开辟了新路径。
这项由北京大学人工智能研究院完成的研究,首次从数据压缩理论角度揭示了大型语言模型存在"弹性"现象——即使经过精心安全对齐,模型仍倾向于保持预训练时的行为分布。
腾讯混元团队联合北京大学提出MixGRPO技术,通过混合ODE-SDE采样策略和滑动窗口机制,将AI图像生成训练效率提升50%-71%,同时在多项人类偏好评估指标上超越现有方法。该技术采用"从难到易"的渐进优化策略,专注于图像生成早期阶段的重点优化,并引入高阶求解器进一步加速训练过程,为AI图像生成的产业化应用提供了更高效可行的解决方案。