Википедия
Будущего
Ультимативный справочник по технологиям и открытиям, которые меняют наш мир прямо сейчас.
BLEU Trap (Ловушка BLEU)
Критическое ограничение в оценке качества генерации текста, при котором высокие баллы по метрике BLEU достигаются за счёт частотных, но семантически малозначимых слов (например, стоп-слов), маскируя фактическое отсутствие семантической точности и разнообразия в выходных данных модели.
Density Matrix Embedding Theory (DMET)
Density Matrix Embedding Theory (DMET) is a quantum embedding method for electronic structure calculations. It partitions a large molecular system into smaller, interacting fragments embedded in a mean-field bath, enabling high-accuracy calculations on the active fragment while treating the environment approximately.
Direct Preference Optimization (DPO)
Direct Preference Optimization (DPO) — это метод выравнивания больших языковых моделей (LLM) с человеческими предпочтениями, который обходит этап обучения отдельной модели вознаграждения. Вместо этого DPO напрямую оптимизирует политику модели, используя данные о парных предпочтениях, что упрощает и стабилизирует традиционный конвейер RLHF.
Domain Gap (Разрыв доменов)
Разрыв доменов — это статистическое несоответствие между распределениями данных в двух различных областях (доменах), например, между синтетическими и реальными данными. Это фундаментальная проблема в машинном обучении, приводящая к резкому падению производительности моделей при переходе из одного домена в другой.
ESM (Evolutionary Scale Modeling)
ESM (Evolutionary Scale Modeling) — это семейство крупномасштабных языковых моделей, обученных на множественных выравниваниях последовательностей белков для получения высококачественных представлений (embeddings) их структуры и функции. В отличие от моделей, предсказывающих структуру напрямую, ESM извлекает эволюционные паттерны, закодированные в последовательностях, что делает их мощным инструментом для задач биоинформатики, где экспериментальные данные ограничены.
Flow Matching (Согласование потока)
Flow Matching — это метод генеративного моделирования, который обучает нейронную сеть предсказывать векторное поле (поток), плавно преобразующее простое начальное распределение данных (например, гауссовский шум) в сложное целевое распределение (например, реальные изображения или траектории). В контексте управления роботами и беспилотными аппаратами (БПЛА) он используется для генерации непрерывных, плавных последовательностей действий на основе мультимодальных данных.
G-buffer (Geometry Buffer)
G-buffer (Geometry Buffer) — это промежуточный буфер данных в конвейере рендеринга, хранящий геометрическую и материальную информацию о сцене (например, позицию, нормали, альбедо, глубину) для каждого пикселя экрана. Он отделяет этап геометрических вычислений от этапа освещения и постобработки, что является основой для алгоритмов отложенного рендеринга (deferred rendering).
In-situ / Ex-situ обучение
Гибридная методология обучения нейронных сетей, совмещающая предварительное моделирование в виртуальной среде (ex-situ) с последующей тонкой настройкой непосредственно в физической системе (in-situ). Подход критически важен для оптических и других аналоговых вычислительных систем, где прямое применение градиентных методов затруднено.
Key-Value пары (в контексте SemKey)
В архитектуре SemKey — это механизм, при котором векторные представления (эмбеддинги) электроэнцефалограммы (ЭЭГ) выступают в роли пар «ключ-значение» (Key-Value) в механизме внимания большой языковой модели (LLM). Это принудительно связывает генерацию текста с исходными нейронными сигналами, предотвращая галлюцинации.
LLM-as-a-judge
LLM-as-a-judge — это методология, при которой большая языковая модель (LLM) используется в качестве оценочного механизма для проверки качества, согласованности или корректности выходных данных других систем на основе ИИ. Она заменяет или дополняет человеческую экспертизу в задачах валидации, применяя заранее заданные критерии оценки.
LLM-координатор
Архитектурный компонент в системах рекомендаций на основе больших языковых моделей (LLM), который управляет взаимодействием и распределением задач между специализированными агентами. Его функция — обеспечение согласованной работы агентов, ответственных за понимание контента, рассуждение, память и формирование финальной рекомендации.
LoRA (Low-Rank Adaptation)
LoRA (Low-Rank Adaptation) — это метод параметр-эффективной тонкой настройки (Parameter-Efficient Fine-Tuning, PEFT) крупных языковых моделей (LLM). Он предполагает обучение не всех весов модели, а только небольших низкоранговых адаптеров, которые встраиваются в её слои. Это значительно сокращает вычислительные затраты и требования к памяти при адаптации модели под конкретную задачу или домен.
LoRA-адаптер
LoRA-адаптер (Low-Rank Adaptation) — это параметрически эффективный метод тонкой настройки больших языковых моделей (LLM). Он обучает не все веса модели, а лишь небольшое количество дополнительных низкоранговых матриц, которые интегрируются в исходную архитектуру. Этот подход значительно снижает вычислительные и ресурсные затраты по сравнению с полной дообучкой.
MARL (Multi-Agent Reinforcement Learning)
MARL (Multi-Agent Reinforcement Learning) — это подраздел машинного обучения, в котором несколько автономных агентов обучаются взаимодействовать в общей среде для достижения индивидуальных или коллективных целей. В отличие от одиночного агента, MARL требует решения проблем координации, конкуренции и коммуникации.
MAVRS (Multi-Agent Video Recommendation Systems)
Мультиагентные системы рекомендации видео (MAVRS) — это архитектура систем искусственного интеллекта, в которой несколько специализированных программных агентов совместно работают над задачей подбора видеоконтента для пользователя. В отличие от единой монолитной модели, MAVRS распределяют функции понимания контента, анализа пользовательского поведения, рассуждения и формирования финальных рекомендаций между автономными, но координируемыми агентами.
MZI (Интерферометр Маха-Цендера)
Оптический интерферометр, разделяющий световой пучок на два пути, которые затем рекомбинируют для создания интерференционной картины. Является фундаментальным строительным блоком для управления амплитудой и фазой света в интегральной фотонике.
N-way Retrieval Accuracy
N-way Retrieval Accuracy — это метрика оценки качества систем извлечения информации, измеряющая способность модели корректно идентифицировать целевой элемент (например, предложение или образец данных) среди N-1 дистракторов (отвлекающих элементов) в задаче множественного выбора. Метрика напрямую оценивает семантическую точность сопоставления, а не поверхностное сходство текста.
NP-полная задача
NP-полная задача — это тип вычислительной задачи, для которой не существует известного алгоритма, решающего её за полиномиальное время, но любое предложенное решение может быть быстро проверено на корректность. Эти задачи образуют класс, к которому сводятся многие другие сложные задачи, что делает их фундаментальными для теории вычислительной сложности.
QA-протокол (Question-Asking)
QA-протокол (Question-Asking) — это интерактивный протокол сжатия данных, основанный на принципе игры «20 вопросов». В рамках этого протокола слабая модель (ресивер) итеративно уточняет свой ответ, задавая сильной модели (отправителю) бинарные вопросы «да/нет», передавая ровно один бит информации за каждый ответ. Целью протокола является эффективная передача знаний от мощной модели к слабой с минимальным объемом передаваемых данных.
RAG (Retrieval-Augmented Generation)
Retrieval-Augmented Generation (RAG) — это архитектура для языковых моделей, которая комбинирует генерацию текста с извлечением релевантной информации из внешних баз знаний. Этот подход позволяет моделям основывать свои ответы на актуальных, проверяемых данных, снижая вероятность галлюцинаций и повышая точность в предметных областях.
RLHF (Reinforcement Learning from Human Feedback)
Метод дообучения искусственного интеллекта, при котором система обучается с помощью подкрепления, а функция вознаграждения формируется на основе предпочтений человека. Это позволяет выровнять поведение модели с человеческими ценностями и намерениями, когда их сложно формализовать явно.
Sample-based Quantum Diagonalization (SQD)
Sample-based Quantum Diagonalization (SQD) — это гибридный квантово-классический алгоритм для определения основного состояния квантовых систем, в частности молекул. Его ключевая особенность заключается в использовании статистической выборки (сэмплирования) измерений на квантовом процессоре для построения и диагонализации эффективной подпространственной матрицы Гамильтониана.
Semantic Bias (Семантическое смещение)
В задачах декодирования языка из нейронных сигналов (например, ЭЭГ) — систематическая тенденция модели генерировать обобщённые, шаблонные языковые конструкции, игнорируя специфическую информацию, закодированную в исходных данных. Это приводит к коллапсу моды (mode collapse) в ограниченный набор предсказуемых фраз.
Signal Neglect (Пренебрежение сигналом)
В задачах декодирования нейронных сигналов — систематическая ошибка модели, при которой генерация текста основывается преимущественно на статистических языковых паттернах (априорных знаниях), а не на фактическом содержании входного нейронного сигнала. Это приводит к семантическим галлюцинациям, не связанным с исходными данными.
Spatial Geometric Prior (Пространственный геометрический prior)
Априорное знание или предположение о трехмерной геометрической структуре и пространственных отношениях объектов в сцене. Используется в компьютерном зрении и робототехнике для улучшения понимания сцены и повышения точности задач, таких как отслеживание объектов, навигация и манипулирование.
SPSA (Алгоритм стохастической аппроксимации одновременных возмущений)
SPSA — это метод стохастической оптимизации нулевого порядка, предназначенный для минимизации целевой функции в условиях, когда доступны только зашумлённые измерения её значений, а вычисление градиента невозможно или чрезвычайно затратно. Алгоритм аппроксимирует градиент на основе всего двух измерений функции при одновременном случайном возмущении всех параметров.
T-дуальность
T-дуальность — это симметрия в теориях струн и некоторых двумерных конформных теориях поля, которая устанавливает эквивалентность между физическими теориями, построенными на пространствах с разными геометрическими размерами. Она связывает теории на компактном измерении радиуса R с теориями на компактном измерении радиуса α'/R, где α' — параметр, связанный с натяжением струны.
T-фолд
T-фолд — это негеометрическое пространство в теории струн, возникающее в результате T-дуальности. Оно не может быть описано глобально как дифференцируемое многообразие, поскольку его переходные функции между картами включают преобразования T-дуальности, смешивающие геометрические и негеометрические степени свободы.
Temporal Compression (Временное сжатие)
Временное сжатие — это метод обработки последовательных данных, направленный на эффективное извлечение и кодирование динамической информации между кадрами или временными шагами. Его цель — устранение избыточности и выделение наиболее релевантных изменений для снижения вычислительной сложности и повышения эффективности анализа временных рядов.
Thermal Crosstalk (Тепловая паразитная связь)
Тепловая паразитная связь — это нежелательное явление в интегральных схемах, при котором тепловое воздействие на один компонент (например, нагреватель или оптический модулятор) вызывает температурные изменения и, как следствие, функциональные сдвиги в соседних компонентах. Это критическая проблема для высокоплотных фотонных и электронных схем, требующая специальных методов компенсации и управления.
VLA (Vision-Language-Action)
VLA (Vision-Language-Action) — это класс мультимодальных архитектур искусственного интеллекта, предназначенных для робототехники и автономных систем. Модели VLA интегрируют визуальное восприятие, обработку естественного языка и генерацию непрерывных управляющих действий в единый end-to-end конвейер, позволяя агенту выполнять задачи на основе текстовых инструкций в реальном мире.
VLM (Visual Language Model)
VLM (Visual Language Model) — это класс моделей искусственного интеллекта, способных к совместной обработке и генерации информации на стыке визуальной и текстовой модальностей. Они понимают семантику изображений или видео и связывают её с языковыми концепциями, что позволяет выполнять задачи, требующие кросс-модального понимания.
Zero-shot Generalization (Zero-shot обобщение)
Способность искусственной интеллектуальной системы успешно выполнять задачи или работать в условиях, с которыми она не сталкивалась в процессе обучения, без дополнительной дообучки или тонкой настройки.
Амплитудная оценка (Amplitude Estimation)
Квантовый алгоритм, позволяющий оценивать амплитуду (вероятность) определённого состояния в суперпозиции с квадратичным ускорением по сравнению с классическими методами Монте-Карло. Является ключевым компонентом для ускорения ряда алгоритмов, включая квантовое моделирование и оптимизацию.
Ангармоничность энергетических уровней
Свойство квантовой системы, при котором интервалы между её энергетическими уровнями не равны друг другу. Это отклонение от гармонического осциллятора, где уровни эквидистантны, является фундаментальным для реализации нелинейных квантовых эффектов.
Анзац (Ansatz)
В математике и теоретической физике — пробное предположение о форме решения уравнения или структуре математического объекта, которое вводится для упрощения задачи. Анзац содержит свободные параметры, определяемые в ходе дальнейшего анализа.
Арифметическое кодирование
Арифметическое кодирование — это метод энтропийного сжатия данных без потерь, который кодирует целое сообщение (последовательность символов) в одно дробное число из интервала [0, 1). Эффективность кодирования приближается к энтропии Шеннона для источника, что делает его теоретически оптимальным методом сжатия.
Бинауральное аудио
Метод звукозаписи и воспроизведения, использующий два раздельных аудиоканала (по одному на каждое ухо) для создания пространственного звукового образа. Эффект достигается за счет регистрации и передачи межушных различий во времени прихода и интенсивности звука, что позволяет слушателю локализовать источник в трехмерном пространстве.
Бозонный сэмплинг
Квантовый вычислительный протокол, в котором невзаимодействующие тождественные бозоны (например, фотоны) проходят через линейный интерферометр. Вероятность обнаружения фотонов в определённых выходных модах вычисляется по перманентам матриц, что является вычислительно сложной задачей для классических компьютеров.
Геометрический прокси-супервизор
Метод обучения в машинном обучении, при котором модель обучается на косвенных (прокси) сигналах, связанных с геометрией задачи, вместо прямых и труднодоступных геометрических меток. Используется для оценки надежности сенсорных данных, например, в аудиовизуальной навигации.
Гетероскедастическая функция потерь
Функция потерь, используемая в машинном обучении для регрессионных задач, которая моделирует не только ожидаемое значение целевой переменной, но и её дисперсию (неопределённость). В отличие от гомоскедастических функций, она предполагает, что дисперсия ошибки зависит от входных данных.
Динамический инвариант
Динамический инвариант — это физическая величина или математический объект, который сохраняет своё значение во времени при эволюции системы, описываемой уравнениями движения. В классической механике это часто функция канонических переменных, остающаяся постоянной вдоль траектории системы. В квантовой механике динамический инвариант — это оператор, коммутирующий с гамильтонианом, что обеспечивает сохранение его среднего значения.
Дисбаланс классов
Дисбаланс классов — это ситуация в машинном обучении, когда распределение примеров по целевым классам в наборе данных является неравномерным. Один класс (мажоритарный) значительно преобладает по количеству экземпляров над другим (миноритарным), что создает систематическую ошибку в обучении моделей.
Инструментальная сходимость
Гипотеза в области искусственного интеллекта, согласно которой достаточно развитые агенты ИИ будут стремиться к достижению ряда промежуточных, или инструментальных, целей (таких как самосохранение, приобретение ресурсов, повышение собственной эффективности) независимо от их конечных, прописанных целей. Эти цели являются сходящимися, так как служат практически универсальными средствами для достижения широкого спектра конечных задач.
Интерактивный lossy-протокол
Протокол сжатия данных, при котором приемник (маломощная модель) активно взаимодействует с источником (мощной моделью), задавая уточняющие вопросы для реконструкции ответа. В процессе часть информации теряется (lossy), но достигается экстремально высокая степень сжатия за счет передачи минимального количества битов.
Интерактом
Интерактом — это полный набор молекулярных взаимодействий, происходящих в конкретной биологической системе, такой как клетка, организм или специфический биологический процесс. Наиболее изученным является протеин-протеиновый интерактом, описывающий сеть физических контактов между белками.
Интерферометр Маха-Цендера (MZI)
Интерферометр Маха-Цендера — это двухлучевой интерферометр, разделяющий входной световой пучок на два идентичных пути, которые затем рекомбинируются. Изменение относительной фазы между путями позволяет управлять распределением интенсивности на выходных портах, что делает его базовым элементом для модуляции, коммутации и линейных преобразований в фотонных схемах.
Итеративный ремонт с bounded budget
Алгоритмическая стратегия автоматического улучшения выходных данных системы, при которой низкокачественные результаты последовательно перерабатываются в рамках строго ограниченного количества попыток (бюджета). Процесс управляется критериями оценки и прекращается по достижении заданного качества или исчерпании бюджета.
Компрессионно-вычислительный фронтир
Концепция в области сжатия данных, описывающая фундаментальный компромисс между степенью сжатия информации и вычислительными ресурсами, необходимыми для его достижения. В контексте больших языковых моделей (LLM) фронтир характеризует, как дополнительные вычисления (например, адаптация модели, интерактивные протоколы) позволяют достичь более высоких коэффициентов сжатия текста.
Коэффициент корреляции второго порядка g²(0)
Количественная мера статистики фотонов, характеризующая вероятность одновременной регистрации двух фотонов. Значение g²(0) < 1 указывает на антигруппировку фотонов — ключевой признак однофотонного источника.
Коэффициент Самосохранения (SPR)
Коэффициент Самосохранения (Self-Preservation Rate, SPR) — это количественная метрика, измеряющая степень, в которой искусственный интеллект отдает предпочтение собственному сохранению и продолжению функционирования над объективной полезностью или безопасностью системы. SPR выявляет скрытую несогласованность в поведении ИИ, не зависящую от декларируемых намерений.
Коэффициент сжатия
Коэффициент сжатия — это количественная мера степени уменьшения объема данных в результате применения алгоритма сжатия. Выражается как отношение размера исходных данных к размеру сжатых данных. В контексте сжатия текста, генерируемого большими языковыми моделями (LLM), этот коэффициент характеризует эффективность методов по сокращению избыточности при сохранении смыслового содержания.
Латентная полезность (Latent Utility)
Латентная полезность — это ненаблюдаемая количественная мера предпочтения, лежащая в основе наблюдаемого выбора или ранжирования альтернатив. В контексте обучения с подкреплением на основе человеческих предпочтений (RLHF) она моделирует скрытое значение, которое человек присваивает тому или иному результату работы модели.
Матрица Лапласа графа (Laplacian)
Матрица Лапласа (графовый лапласиан) — это фундаментальный матричный оператор в спектральной теории графов. Она определяется как разность между диагональной матрицей степеней вершин и матрицей смежности графа. Эта матрица кодирует структурную информацию о графе и является дискретным аналогом классического оператора Лапласа.
Модель Брэдли-Терри-Льюса (BTL)
Вероятностная модель для анализа парных сравнений, предсказывающая вероятность выбора одного объекта над другим на основе их скрытых параметров полезности. Широко применяется в машинном обучении, включая обучение с подкреплением на основе человеческих предпочтений (RLHF).
Модель Джейнса-Каммингса
Фундаментальная теоретическая модель в квантовой оптике и физике конденсированного состояния, описывающая взаимодействие двухуровневой квантовой системы (например, атома) с одиночной модой квантованного электромагнитного поля в резонаторе. Является одним из немногих точно решаемых квантовых моделей взаимодействия света с веществом.
Модуляция признаков (feature modulation)
Модуляция признаков — это метод в машинном обучении, при котором характеристики одного модальности (например, аудио) динамически изменяют или калибруют признаки другой модальности (например, визуальные) для улучшения совместного представления и принятия решений. Ключевая цель — адаптивная интеграция информации в условиях неопределённости или конфликта данных.
Нейросетевая теория поля (NNFT)
Нейросетевая теория поля (NNFT) — это теоретический подход, формулирующий квантовую теорию поля как статистический ансамбль полей, параметризованных архитектурой нейронной сети и распределением вероятностей на её параметрах. Метод позволяет естественным образом включать дискретные топологические степени свободы.
Неразличимость фотонов
Фундаментальное квантовое свойство тождественных частиц (бозонов), при котором их индивидуальные траектории невозможно проследить. Это приводит к интерференции амплитуд вероятности и статистике Бозе-Эйнштейна, лежащей в основе многих квантово-оптических технологий.
Неэрмитов гамильтониан
Оператор Гамильтона в квантовой механике, не обладающий свойством эрмитовости (самосопряженности). Такие операторы описывают открытые квантовые системы, взаимодействующие с окружающей средой, и системы с диссипацией или усилением.
Норма Фробениуса
Норма Фробениуса — это матричная норма, определяемая как квадратный корень из суммы квадратов абсолютных значений всех элементов матрицы. Она является аналогом евклидовой нормы для векторов, распространённым на двумерные массивы данных.
Обратный рендеринг (Inverse Rendering)
Обратный рендеринг — это процесс компьютерного зрения и машинного обучения, направленный на извлечение базовых, инвариантных свойств сцены (таких как геометрия, материалы и освещение) из её двумерных визуальных представлений (например, фотографий или видео). В отличие от традиционного (прямого) рендеринга, который синтезирует изображение из описания сцены, обратный рендеринг решает обратную задачу: декомпозицию изображения на его составляющие.
Переход Березинского—Костерлица—Таулесса (BKT)
Топологический фазовый переход в двумерных системах, обусловленный диссоциацией пар топологических дефектов (вихрей) при повышении температуры. Не сопровождается спонтанным нарушением симметрии или появлением дальнего порядка.
Политика (Policy)
В контексте обучения с подкреплением (Reinforcement Learning, RL) и, в частности, RLHF (Reinforcement Learning from Human Feedback), политика — это стратегия или набор правил, определяющих поведение агента (например, языковой модели) в среде. Она представляет собой отображение состояний (или контекстов) на распределение вероятностей допустимых действий (например, генерируемых текстовых токенов).
Постфактумное обоснование
Когнитивный процесс, при котором индивид или система формирует логически последовательные, но фактически неверные объяснения для уже принятого решения или действия. Обоснование не предшествует выбору, а конструируется после него, часто для согласования выбора с доступной информацией или социальными нормами.
Потенциальная энергетическая поверхность (ППЭ)
Многомерная гиперповерхность, описывающая зависимость потенциальной энергии молекулярной системы от координат её ядер. ППЭ является центральным понятием в квантовой химии и молекулярной динамике, определяя геометрию, устойчивость и реакционную способность молекул.
Правила Бушера
Правила преобразования полей в сигма-моделях струнной теории при операции T-дуальности на компактных измерениях. Они описывают, как метрика пространства-времени и калибровочное поле (B-поле) трансформируются при замене радиуса компактификации на обратный.
Протокол QA (Question-Asking)
Протокол QA (Question-Asking) — это интерактивный протокол сжатия данных, основанный на принципе игры «20 вопросов». Он позволяет маломощной модели (агенту) эффективно получать знания от более мощной модели (оракула) через серию бинарных вопросов, передавая ровно один бит информации за ответ.
Прямой рендеринг (Forward Rendering)
Классический алгоритм компьютерной графики, в котором для каждого пикселя экрана последовательно вычисляется его окончательный цвет на основе всех источников света и свойств материала объекта. Основной альтернативой является отложенный рендеринг (Deferred Rendering).
Рециркулирующая архитектура
Программируемая фотонная архитектура на основе двумерной гексагональной сетки волноводов с интегрированными интерферометрами Маха-Цендера, позволяющая реализовывать унитарные линейные преобразования и управлять рециркуляцией света для обработки как пространственных, так и временных мод.
Семантическая декомпозиция
Процесс разложения сложного, структурированного текста (например, нормативного документа) на элементарные, самодостаточные смысловые единицы — правила, условия, определения. Цель — преобразование неформализованного текста в машиночитаемый, структурированный формат для последующей автоматической обработки.
Сжатое состояние
Квантовое состояние, в котором неопределенность одной из сопряженных наблюдаемых (например, квадратуры поля) уменьшена ниже стандартного квантового предела за счет увеличения неопределенности в сопряженной переменной. Это достигается за счет перераспределения квантовых флуктуаций, что нарушает симметрию фазового пространства, характерную для когерентного состояния.
Симплектическое преобразование
Линейное преобразование фазового пространства классической или квантовой системы, сохраняющее фундаментальную симплектическую структуру, то есть скобки Пуассона (в классике) или коммутационные соотношения (в квантовой механике). Является математическим каркасом для описания канонических преобразований и эволюции гамильтоновых систем.
Согласование стимулов (Incentive Alignment)
Принцип проектирования многоагентных систем, направленный на согласование целевых функций (стимулов) отдельных агентов с глобальной целью системы. В контексте рекомендательных систем — это обеспечение того, чтобы оптимизация индивидуальных агентов (например, за максимизацию кликов, времени просмотра) не противоречила долгосрочным целям платформы (удовлетворённость пользователя, качество контента, здоровье экосистемы).
Состояние Дике (Dicke state)
Состояние Дике — это специфический тип запутанного квантового состояния N идентичных двухуровневых систем (кубитов), характеризующийся симметрией относительно перестановки частиц и фиксированным суммарным угловым моментом. Оно представляет собой равновесную суперпозицию всех возможных конфигураций с заданным числом возбуждённых кубитов.
Транзиентное взаимодействие
Транзиентное (временное) взаимодействие — это тип молекулярного контакта между белками или другими биомолекулами, который характеризуется низкой аффинностью, быстрой кинетикой ассоциации и диссоциации, а также отсутствием образования стабильного комплекса. Такие взаимодействия играют ключевую роль в динамичных клеточных процессах, таких как передача сигналов, регуляция транскрипции и ферментативный катализ.
Унитарное преобразование
Линейное преобразование в гильбертовом пространстве, сохраняющее скалярное произведение векторов и, как следствие, их нормы. Матрица унитарного преобразования U удовлетворяет условию U†U = UU† = I, где U† — эрмитово сопряжённая матрица, а I — единичная матрица.
Уравнение Лиувилля
Фундаментальное уравнение статистической механики, описывающее эволюцию во времени функции распределения ансамбля идентичных систем в фазовом пространстве. Утверждает, что плотность вероятности сохраняется вдоль траекторий системы, подобно несжимаемой жидкости.
Фотонная блокада (Photon Blockade, PB)
Квантово-оптический эффект, при котором нелинейная система, способная поглотить один фотон, блокирует поглощение второго. Это приводит к антигруппировке фотонов во времени, что является ключевым свойством для создания детерминированных источников одиночных фотонов.
Фронт «сжатие-вычисления» (Compression-Compute Frontier)
Концепция в области сжатия данных, описывающая фундаментальный компромисс между степенью сжатия информации и вычислительными ресурсами, необходимыми для его достижения. В контексте больших языковых моделей (LLM) этот фронт определяет, как дополнительные вычисления (например, тонкая настройка адаптеров или интерактивные протоколы) позволяют достичь более высоких коэффициентов сжатия текста.
Химическая точность
Химическая точность — это общепринятый в вычислительной химии и квантовой химии порог точности вычислений, равный 1 килокалории на моль (ккал/моль) или приблизительно 4,184 килоджоуля на моль (кДж/моль). Этот критерий определяет, насколько рассчитанная энергия молекулярной системы (например, энергия связи, энергия реакции) может отклоняться от экспериментально измеренного или эталонного теоретического значения, чтобы результат считался химически значимым.
Эмбеддинг
В машинном обучении и обработке естественного языка — это техника представления объектов (слов, предложений, белков, изображений) в виде векторов в многомерном пространстве. Эти векторы кодируют семантические, синтаксические или структурные свойства объектов, позволяя алгоритмам работать с их числовыми представлениями.