Dynex神經(jīng)網(wǎng)絡(luò)機(jī)器學(xué)習(xí)準(zhǔn)備就緒
Dynex SDK (beta) 為了做好準(zhǔn)備,我們?yōu)橛脩魷?zhǔn)備了一些初始閱讀材料、指南和代碼示例:
SDK概述:https://dynexcoin.org/learn/dynex-sdk
初學(xué)者指南:https://dynexcoin.org/learn/beginner-guides
高級(jí)示例:https://dynexcoin.org/learn/advanced-examples
? ? ? 使用Dynex SDK,您可以直接通過Python在Dynex神經(jīng)形態(tài)平臺(tái)上計(jì)算原本設(shè)計(jì)用于量子計(jì)算機(jī)的算法,而無需考慮可擴(kuò)展性、糾錯(cuò)和可訪問性的限制。這標(biāo)志著一個(gè)新時(shí)代的開始,Dynex位于這一新的計(jì)算范式的中心。我們使Dynex SDK與PyQubo和Dimod兼容,這是常用的開源庫,通常用于量子計(jì)算機(jī)上的計(jì)算。這將使您更容易將機(jī)器學(xué)習(xí)或優(yōu)化任務(wù)規(guī)范化,因?yàn)橛写罅康拇a示例、指南和文獻(xiàn)可供參考。您只需將量子采樣器對(duì)象替換為Dynex采樣器對(duì)象(如指南和示例Jupyter筆記本中所示),即可在Dynex平臺(tái)上進(jìn)行計(jì)算。
? ? ? ?如果您想了解如何陳述和規(guī)范化量子/神經(jīng)形態(tài)計(jì)算問題的方法,有一本相當(dāng)不錯(cuò)的“問題解決手冊(cè)”可供參考,概述了在量子計(jì)算機(jī)上進(jìn)行計(jì)算的概念,這也適用于在Dynex平臺(tái)上進(jìn)行計(jì)算:https://www.scribd.com/document/482080151/09-1171A-A-Developer-Guide-Problem-Solving-Handbook
? ? ? ?在接下來的幾周里,我們還將發(fā)布教程視頻、講座和額外的代碼示例,以進(jìn)一步幫助我們的社區(qū)最大限度地提高他們的成果。我們非常激動(dòng)地期待看到我們的Dynex SDK (beta)用戶通過使用Dynex平臺(tái)創(chuàng)建和發(fā)現(xiàn)的成果 - 敬請(qǐng)期待成功故事!
Dynex 機(jī)器學(xué)習(xí)發(fā)布++ 新的礦工版本發(fā)布++ 礦池升級(jí)++ 停止支持舊的礦工版本++ Dynex SDK
今天標(biāo)志著Dynex發(fā)展的重要里程碑。
? ? ? ?我們非常高興地宣布,Dynex平臺(tái)現(xiàn)在支持機(jī)器學(xué)習(xí)任務(wù)(DynexSolveML)。我們投入了數(shù)千小時(shí)的時(shí)間進(jìn)行大規(guī)模平臺(tái)升級(jí)。在過去幾周里,我們的科學(xué)、研究與開發(fā)團(tuán)隊(duì)在緊密協(xié)作下不知疲倦地努力,使Dynex SDK (beta)與現(xiàn)有的量子計(jì)算框架兼容,通過使用Python代碼在我們的平臺(tái)上運(yùn)行最初為量子計(jì)算機(jī)開發(fā)的算法。不受擴(kuò)展性、糾錯(cuò)和可訪問性的限制。礦工開發(fā)人員不遺余力地將Dynex Ising/QUBO采樣器整合并優(yōu)化到他們的礦工中,我們的礦池運(yùn)營商升級(jí)了他們的基礎(chǔ)設(shè)施以支持新的客戶端版本。
? ? ? ?在此,我們要向?yàn)榇俗龀鲐暙I(xiàn)的每個(gè)人表示衷心的感謝!
? ? ? ?新的客戶端版本發(fā)布,OZM剛剛發(fā)布了全面支持Ising/QUBO采樣的全新礦工版本。SRB正在最后階段,很快將發(fā)布他的版本。
? ? ? ? https://github.com/OneZeroMiner/onezerominer/releases/tag/v1.2.0
? ? ? ??
? ? ? ? ?停止支持舊的版本 為了實(shí)現(xiàn)平穩(wěn)過渡,舊的版本將繼續(xù)受到支持,直到7月27日13:00 UTC。此后,舊的版本將無法連接到Dynex網(wǎng)絡(luò)。
? ? ? ? ?算力和PoUW性能 通過此次升級(jí),我們還對(duì)Dynex芯片的仿真模型進(jìn)行了兩個(gè)重大改進(jìn):
? ? ? ? ?現(xiàn)在,在所有作業(yè)類型和仿真中應(yīng)用雙精度(fp64);以及在芯片仿真過程中引入了自適應(yīng)步長,減少了仿真過程中引入的數(shù)學(xué)誤差,并在積分過程中加快演化,以找到最佳能量基態(tài)。
? ? ? ? ?這些技術(shù)優(yōu)勢(shì)導(dǎo)致了POW算力的降低(取決于使用的GPU制造商和型號(hào))。在所有礦工升級(jí)到新版本后,這不會(huì)對(duì)盈利能力產(chǎn)生影響。然而,我們鼓勵(lì)您盡早升級(jí)您的客戶端版本,我們遷移整個(gè)網(wǎng)絡(luò)的速度越快,對(duì)于我們的Dynex SDK (beta)用戶來說就越好。