_ConchNest🐚

科学史数学实践上的巴比伦和埃及所熟知的技巧变成了希腊的假设-证明模式 伽利略开创的实验方法与实验室模式。 1671年，法国天文学家里歇尔到圭亚那首府卡宴观测火星大冲，发现所带的钟每天慢了2分28秒，他将钟摆调短2.8毫米，才能重新校准时间，但1673年回到巴黎后必须把摆长再度复原。牛顿在1687年出版的开山巨著《自然哲学的数学原理》中以此为据，判定地球自转的离心力引起赤道膨胀两极扁平，因此成为一个“椭球”。赤道附近的圭亚那比北半球的法国距离地心更远，所以钟摆受到重力减小而频率变慢。巴黎天文台台长卡西尼的认识恰恰相反，他根据笛卡儿学派的信条和自己的测量，宣称地球形状是赤道收缩两极伸长。伏尔泰大为感慨：“巴黎说像西瓜，伦敦说像橘子。”地球的形状究竟如何，成为事关重力理论和航海实践的大问题。法国国王路易十五决定派出两个科考队，远赴北极圈内的拉普兰和赤道附近的秘鲁进行测量，通过大地曲率的对照，彻底了断这桩举世瞩目的科学公案。 19世纪上半叶，丹麦因为哥本哈根学派的缘故，曾有一段时期成为全世界物理学者的朝圣国。玻尔、海森堡、泡利以及狄拉克等都是这个学派的主要成员。哥本哈根学派对于量子力学的创立和 ...

评测multi-modal task的dataset与benchmarkLLaVA images与ALLaVaLLaVA全称为Large Language and Vision Assistant。LLaVa images包含595K张image-text对。ALLaVa进一步使用高质量的训练数据（high-quality training data）可以在一个轻量化的模型上实现与大型vision-language model(LVLM)近似的表现。他们主要作为LVLM的pretrain训练数据。 MathVista其全称为Mathematical reasoning benchmark in Visual contexts，其在2024年的ICLR上提出。其目标主要是用于检验multi-modal模型的数学推理能力。其包含6141个样本。 表现最好的模型是GPT-4V，取得了49.9%的平均精度，而人类测试者取得的成绩是65%。 文中列出了数学推理能力对于模型的重要意义，其目标是满足解决教学中的问题、对统计数据进行有逻辑地整理甚至辅助科研等等的需求。 它集中解决5类问题： Figu ...

西班牙与阿兹特克流程殖民rush一卡三农，二卡资本主义，15农塔金上本。上本期间起市场。二农前置，起一个前置兵营。 殖民时代，哨站前置。一卡700木，二卡长矛兵。兵营持续刷火枪，三卡兰朵武士。6分30秒冲家。 西班牙收复失地运动piro流侦察兵上三本送4轻骑兵，发教堂卡，然后1000木教堂研究御用长戟兵。 注：防守piro就得殖民时代去烧对手的房子，然后烧教堂 经典FF流程时代1造交易站，然后伐木起房子，一卡发三农，二卡发资本主义。15农塔金上本，时间大概在3分钟左右。上本期间伐木修市场，研究一级打猎与采金科技，并进一步研究二级打猎。二本一卡发700金。所有农民吃肉。随后二卡发700木，可以选择起双兵营或者一兵营一马厩。留200木升级老练兰朵武士。5分40秒左右开始升级。三本选择侦察兵或者守卫官上本。 七分30秒左右完成升级。一卡发西班牙大黄金。之后就开始进行枪骑兵剑盾二炮兵卡连发！ 阿兹特克吃海打法早期把酋长和战斗祭祀一起拉出去打宝藏。一卡3农，同时3农吃肉，其余农民伐木。 起一个码头后，转换为3农伐木，其余吃肉。码头持续出渔船，20农上本。上本时间大约为3分40秒左右，4分10秒左 ...

用Butterfly Factorization来加速Transformer运算主要参考论文： Pixelated Butterfly: Simple and Efficient Sparse Training for Neural Network Models Learning Fast Algorithms for Linear Transforms Using Butterfly Factorizations 算法原理以及具体的数据流是怎样的?算法原理在代码上是如何实现的？是否可以将该算法用于所有的矩阵乘法运算？如果所有的weight都可以用以下两种公式表示，那么activation将怎样和它们进行相乘？ Flat block butterfly与Low-rank两个矩阵各自占多少的计算量？ 从这句话可以看到，计算量在二者之间的分配似乎是主观选取的？ 该算法的局限性在哪里？该算法使用一个cost model来评测运算的开销。由于memory coalescing（访问一个单独的memory cell在开销上相当于访问了一整块的memory）的问题，所以一个sparse矩阵中non ...

参会2024——Frontiers of AI Accelerators: Technologies, Circuits and Applications IVOpening RemarksProf. Tim Cheng 是ACCESS（AI Chip Center for Emerging Smart Systems）实验室的Center Director，同时担任香港科技大学副校长。 Can we automate accelerator design with deep learning —— Prof. Jason CONG (ULCA)Prof. Jason Cong 是 UCLA VAST 实验室主任，也是电子设计自动化（EDA）与定制计算领域的核心人物。重点研究从C/C++到FPGA的映射，并推动Vivado HLS的商业化应用。Jason Cong提出”让大多数软件程序员成为硬件设计师“的愿景，介绍了他团队最新的研究进展，重点放在下面三个点上: 使用图神经网络（GNN）捕捉 HLS 设计数据的图结构，进行 HLS 质量预测； 引入 迁移学习，提高模型在新应用或新架构 ...

6月14日雷雨中的午餐（本故事采样于真实的交谈，部分文字由ChatGPT补充）夏初的中午，空气仿佛被水汽泡胀得沉重。又是台风天，窗外雷声滚滚，雨水泼天而下，像是上天在清洗整个校园。电子系的实验室窗玻璃上挂满了雨珠，屋内却闷热不堪，唯一的风来自角落那台呼哧呼哧喘着气的落地扇。 几位博士生聚在休息室，勉强挤出一点空间，各自拆着外卖盒。又是乌鸡米线，空气中弥漫着香辣酱、卤蛋、咖啡混杂的味道，像一锅由高压生活炖出来的青春。 Nomad坐在角落，夹着凉掉的煎蛋，突然说： “老莫，读博做FPGA加速方向能不能搞呢？” 话音刚落，实验室一瞬陷入短暂的沉默，只剩下外头雷雨声灌进屋子里。 坐在靠窗一侧的老莫抬起头来，他没吃饭，只是握着一杯兑了冰块的黑咖啡，像往常一样一脸疲惫，眼神却清醒。他盯了Nomad一眼，叹了口气，说： “现在读博士还搞这个？建议换导师，或者早点跑路。” 众人笑了，笑声中带着些调侃、些许认同，还有些说不清道不明的心照不宣。 Nomad并不恼，眨了眨眼，说：“支持啊，我是认真的。不仅是FPGA，整个数字IC这一套，关键点其实在软件不在硬件。核心是——能不能找到别人没开发过的坑，咱自己填 ...