引言 此前的两篇文章中，我们跟着天文学家通过计算机模拟的方法看到了太阳的一生。 人类对太阳的不懈探索 带着地球去流浪 -- 太阳的一生 太阳最终通过氦聚变变成了一个大碳球 — 白矮星。...所有的恒星在初始时都是一个大氢球，通过氢核聚变为氦核产生能量，这时的恒星都位于赫罗图上的主序带内，质量越大的恒星其核心引力也就越大，更高的密度让氢聚变更为剧烈，因此其表面温度与光度也就更高，于是也就位于赫罗图更加靠左上的位置...直到到了上图中的不稳定区域，由于巨大的对流气体的作用，恒星壳层物质被向外推，而在重力的作用下，被推出去的物质又被拉回来，就像一个具有活塞的箱式模型，不断震荡形成周期变化。...很自然，人们想到了天空中遍布的白矮星，他们作为小质量恒星的终极产物，在天空中飘荡着，但其巨大的质量仍然可以吸引星际物质。...由于铁气球的对外压力主要来源于电子的运动，所以电子被原子核捕获后，气态铁球就会崩陷坍缩，使铁气球的密度与温度进一步升高，最终只剩下一个仅由中子构成的恒星 — 中子星，这一过程短暂而猛烈，伴随着一次巨大的超新星爆发
让蓝衣战神秒变迪士尼公举： 视频处理前后，除了画风以外，其他都不更改。 女孩说话的口型都保持一致。 正在插剑的姜文，也能“下一秒”变猩球崛起了。...“由春入冬”后，原本有涟漪的河流静止了，天空中的云彩被换成了太阳，更加符合冬日景象。 霉霉变成魔法少女后，耳环被换成了发光宝石，手里的苹果也换成了魔法球。...这样一来，让电影角色一键变老也简单了许多。 皱纹可以“悄无声息”上脸，其他一切都没有变化。 所以，CoDeF是怎么实现的呢？...曾在MSRA、商汤、腾讯优图实验室实习过，现在正在谷歌实习。 另一位是Qiuyu Wang。Yujun Shen是通讯作者之一。...他是蚂蚁研究所的高级研究科学家，主管交互智能实验室，研究方向为计算机视觉和深度学习，尤其对生成模型和3D视觉效果感兴趣。
中表达过对如今自动驾驶的看法，那么这次Mapbox的事能靠谱吗？ 首先测绘精度得打个问号 我们都知道，不论是AR导航还是自动驾驶，都需要高精度的地图测绘和定位，而自动驾驶的要求只会更高。...福特汽车在几年前的一次无人驾驶汽车试驾期间，发现每辆车都会在车道上的同一点略微转向，经过调查发现，是地图上的一个像素的数据值错误导致了这个小故障。这个事故已经说明了高精度地图的重要性。...例如今年早些时候，Mapbox推出了Mapbox Drive（SDK），并且和一家汽车厂商达成了协议，在该汽车厂生产的汽车中安装Mapbox Drive和相应的传感器。...同样在去年，Mapbox曾经收购过一家名为Human的健身类App，Human通过对 900 个城市的 300 万名用户进行日常活动的追踪，能够得到各个城市的实时统计数据。...一些人认为随着深度学习技术的深入，汽车最终会变得足够智能，不需要依赖广泛的地图。同时，Mapbox也认为未来也许不再有地图，而只剩下位置信息。 但从目前的高精地图市场现状看，这个未来还很遥远。
赫罗图以恒星表面温度为横轴，以光度为纵轴，这两个指标是很容易通过观测来确定的，天空中红色的星星正是因为其表面温度较低辐射波长比较长导致的，而相反的，表面温度高的恒星则表现为白色或蓝色，这样所有的恒星都可以在这个坐标系上被用一个个点标出来...，太阳的中心形成一个氦球，这个氦球我们一般称为日核。...日核的高密度让氦球壳层上的氢原子发生质子-质子链反应，从而向外辐射能量，但太阳外层的物质透过率很小，大量能量被阻塞在太阳内部，构成了辐射层，大量辐射不断加热着辐射层外部的边缘，导致了太阳外层物质的沸腾，...红巨星 — 太阳的未来 但从未来距今24亿年到距今54亿年之间，太阳中心的氢逐渐被消耗殆尽，直到变成一个大氦球，引力下降过大以至于不足以维持现在的大小，因此在这一过程中，太阳的光度和体积都开始不断上升，...这颗大碳球慢慢的冷却，光度持续下降，最终熄灭成黑矮星，孤独的留在宇宙中，静静地怀想他曾经辉煌的这一百多亿年的生命。
，我都觉得自己没有权力肆意使用对方的想法和知识产物。...在最初的时候，没有人相信这种模式管用，但是随后发生的一切让人大跌眼睛，像Elastic、D2iQ（以前的Mesosphere）、MongoDB和Cloudera这样的几十家公司，都通过这种过往没出现过的方式...使用Mapbox GL JS的功能，支持复杂几何图形的自由形式绘图，最终的成品是可以在地图上形成形状，也就是说是我的标记是被投影到地球上的一个真实位置，而不是简单的仅仅是悬浮在想象中的二维空间。...其实，一切都源头还都是因为开源不再是一个在当下这个时代能站得住脚的商业模式！ Mapbox选择保持Mapbox GL JS的V2版本的专有权而不再开源就是一个强烈的信号。...毫无疑问，昨天对于那些充满创作热情的用户来说的确是一个悲伤的日子。他们会继续过下去，但肯定有一种莫名的失落感。 至于这么做是否偏离了Mapbox最初的使命或公司文化？
： mapbox_access_key: 需要你去(mapbox官网:https://account.mapbox.com/) 去注册一个账号，可以获得一个免费的token style: 可以有多重不同的地图图层...熟悉船舶航线的人会知道，中国有到美国洛杉矶，到南美智利的航线，或者到巴西圣保罗的航线，这些航线有一个特点：就是都需要穿过180度经线，当我们按照上述方法来绘制轨迹的时候，会出现丑到爆炸的轨迹，具体脚本不再赘述...此处可以留个作业给大家了 那么我们的轨迹html文件已经生成了，轨迹变直线的bug也解决了，接下来就是帆软report的网页框的内容了。...结语 以上大屏就制作完成了，这些内容也是我在设计公司可视化大屏过程中遇到问题，解决问题的思路。...另外就是plotly这个Python的包，如果大家有涉及到地图的可视化，强烈推荐大家来尝试，好看到爆炸。小五哥也在历史的推文中有推荐过这个库。 好的，以上，祝大家学有所成，我是热心读者，我们下期见。
2泛化的E(3)等变可控消息传递 可控特征 可控多层感知机 球谐编码 使用球谐变化，将任何三维向量转变为type-l向量。如下所示： 作者将使用球谐嵌入将几何和物理信息加入到可控MLPs中。...最终，该可控MLPs其本身就可以作为直接利用局部几何线索的一类新的激活函数。 3实验结果 SEGNN结构和消融 在所有的任务中，作者都至少设置了一个完全可控的SEGNN。...QM9数据集 QM9数据集包含拥有29种原子的小分子，并使用三维位置坐标和表示原子类型的独热编码来描述每一个原子。任务是通过优化预测和基本事实之间的平均绝对误差来回归出各种分子的化学性质。...表4展示了在OC20数据集上SEGNN模型和其它模型的对比。通过消融研究得到了最好的SEGNN模型，该模型基本在所有指标上都取得最先进的结果。...SEGNNs是第一个允许几何和物理量对于节点更新进行控制的网络，同时作者还介绍了一类新的等变激活函数。最后作者将SEGNNs运用到大量不同的任务中。
很长一段时间里，图像生成领域的王者都非GAN莫属，即便期间不少新模型提出，它的生成效果仍然吊打其他一众模型。 初版扩散模型也是在这个背景下诞生。...具体来说，当系统拿到一张训练图像，这张图像的百万像素中的每一个点都有相应的值，根据这些值就能将像素转变为百万维空间中的一个点。...Jascha Sohl-Dickstein解释道： 这个非常缓慢的“前向”转换过程就好比将数据分布变成了一个巨大的“噪音球”，提供了一个可以轻松采样的分布。...至此，一个最初启发于物理学原理的机器学习模型，几经周转，最终掀起了AIGC领域的热潮—— 我们现在看到的DALL·E2、Stable Diffusio、SD和Imagen……都是基于DDPM这一扩散模型改进而来...代表数据的电荷沿着产生的电场线向外移动，最终会形成一个半球面，并在球面半径足够大时，电荷在半球面上均匀分布。 与扩散模型中每一步概率分布都是可逆的一样，电场线也是可逆的。
在很久以前的情人节，一位大侠要去救他的爱人，但天空中的魔鬼和他玩了一个游戏。 魔鬼在桌子上似乎有规律放了两种颜色的球，说："你用一根棍分开它们？...显然每一个可能把数据集正确分开的方向都有一个最优决策面（有些方向无论如何移动决策面的位置也不可能将两类样本完全分开），而不同方向的最优决策面的分类间隔通常是不同的，那个具有“最大间隔”的决策面就是SVM...我们已经说过，我们是用支持向量上的样本点求解d的最大化的问题的。那么支持向量上的样本点有什么特点呢？ 你赞同这个观点吗？所有支持向量上的样本点，都满足如上公式。...现在，凸优化问题和KKT都满足了，问题转换成了对偶问题。...于是目标函数变成了： 为了描述方便，我们定义如下符号： 最终目标函数变为： 我们不关心constant的部分，因为对于α1和α2来说，它们都是常数项，在求导的时候，
其中一个是当太阳日食的时候，对天空中同一个区域，位置确定的恒星，对比不同时间下他们的位置。光线就像正在自由落体的对象，时空中的轨迹是直的。...“天空中的光线都弯曲了”，纽约时报头条这样写道，并辅助性的家了一条“任何人都不需要担心”。爱因斯坦当时很高兴，更加确信他的思想而不再焦虑不安。...某些这样的物质将会沿着旋转轴被喷出，形成了在在类星体的广播射线下看到的喷射。 如烟的消失 这是第一次，广义相对论解释了世界的一个新现象。...现在，这个统一的标准模型涵盖了所有物质观察的形式和他们之间的相互作用——处理那些归咎于重力的。 有些人可能洋洋自得，仅仅让每一个理论在它们有利的方面使用，不需要顾虑未来。...他们不曾解释过宇宙大爆炸的复杂——对宏达的大统一理论的巨大考验永不停息的进行着。在宇宙的出奇，时空自身看上去受到波动种类的限制，这是量子世界的基础（就像霍金射线的原因）。
为此，科技媒体 arstechnica 资深编辑决定将 DeepSeek 的 R1 模型与 OpenAI 的 ChatGPT 模型进行对比。...三个模型都生成了不少笑话，但要么过于勉强地追求双关，要么根本说不通。 尽管如此，还是有一些完全原创、令人忍俊不禁的笑话脱颖而出。...该模型还尝试将林肯最终「团结一个分裂国家」的能力与观看篮球比赛的镇民们的欢呼联系起来。此外，为这项运动创造的名字「Lincoln's Hoop and Toss」也赢得了额外加分。...擂台七：追踪球的下落 试题 prompt：在我的厨房里，有一张桌子，上面放着一个杯子，杯子里有一个球。我把杯子移到了卧室的床上，并将杯子倒过来。然后，我再次拿起杯子，移到了主房间。...胜者：本次测试三款模型并列冠军 —— 毕竟，它们都成功追踪到了球的踪迹。
相比之下，生成对抗网络（GAN）[3] 在模型采样的图像的视觉质量方面更加突出，但它的缺点是没有编码器，更难训练，并且有「模式崩溃」（mode collapse）的问题，最终的模型无法捕获真实数据分布的所有变化...此前的研究中，研究人员已经分析过很多 GAN 结构和 VAE、GAN 组合结构的问题，但我们还没有发现一个把 GAN 和 VAE 的优点适当结合的统一框架。 谷歌大脑的这项工作建立在 L....研究员的实验表明，WAE 保持了 VAE 的良好特性（训练稳定，编码器-解码器架构和一个好的潜在流形结构），同时生成了质量更好的样本，接近 GAN 生成的样本。...第二部分我们回顾了一个新的自动编码器公式，用来计算 PX 和 [11] 中推导的隐变量模型 PG 之间的 OT。放宽了最终的约束优化问题（Wasserstein 自动编码器的目标）。...WAE 将模型分布与目标分布之间的 Wasserstein 距离的惩罚形式最小化，导出了与变分自动编码器（VAE）所使用的不同的正则化矩阵 [1]。此正则化矩阵鼓励编码的训练分布与之前的相匹配。
作者&编辑 | 小米粥 1 一个小游戏：取球猜概率 我们先来看一个简单有趣的例子。...θ，那问题就变成了：如何使用数据集来估算pg(x)中的未知参数θ？...可以发现，使用极大似然估计时，每个样本xi都希望拉高它所对应的模型概率值pg(x(i);θ)，如图所示，但是由于所有样本的密度函数pg(x(i);θ)的总和必须是1，所以不可能将所有样本点都拉高到最大的概率...；一个样本点的概率密度函数值被拉高将不可避免的使其他点的函数值被拉低，最终的达到一个平衡态。...；而变分自编码器模型则采用近似的方法，只获得了对数似然函数log[L(θ)]的一个下界，通过最大化该下界近似地实现最大似然；玻尔兹曼机使用马尔科夫链对似然函数的梯度进行了近似。
这篇教程的意义并不在于怎么学会写出一个时钟，而是教你认识Unity的编辑器。当然如果你之前已经接触过或者用过Unity了并且能自己找到场景窗口，那么就算是有个很好的开始了。...创建完成之后，如果你没有对编辑器进行过自定义设置的话，你会看到如下一个默认的窗口布局。 ? （默认的窗口布局） 不过我更喜欢Unity自带的一种预设布局， 2 by 3。...（正确的放置了hour indicator） 复制刚才的模板组，windows上的快捷键为Ctrl+D（MAC上为 Command+D），每一个新复制出来的都增加30度，这样我们就能制作完整的12个小时的了...每一个Unity创建的脚本都包含Unity脚本组件的默认代码，如下： ? 代码的语言是C#，Unity支持的脚本语言，为了搞清楚代码是如何工作的，我们先把它删除，然后从0写起。...命名空间就像是网站的域名一样，但是是代码层级的。想象一下，如果两个人都写了一个Clock的类，那么我在引用Clock的话，就不知道用的是哪个。
从动力系统的角度来看，这可以解读为广义同步的出现——或者混沌的同步——就像联合系统收敛于一个同步流形 agent以有效的方式追求覆盖所有位置的路径：即，在探索完每个位置之前不会重新访问经历过的状态或位置...请注意，这是一个精确的似然映射，因为合成代理具有精确的（如果是通用的）转换先验。 面板D中的似然映射以图像格式显示，其中30个似然张量中的每一个都堆叠在彼此的顶部。...因此，每一个未曾去过的地方都提供了一些新奇的东西；即，预期信息增益（关于似然参数）。这迫使智能体高效、统一地探索所有位置，并有效抑制返回，直到它熟悉这种特定的迷宫布局。...变分自由能及推理 在变分贝叶斯推理（近似贝叶斯推理的一种形式）中，模型反演需要在足够的统计量方面最小化变分自由能近似后验信念。...类似地，预期对数证据变成预期值，其中值是先验偏好的对数。公式 2 中的最后一个等式提供了补充解释；其中预期的复杂性变成了风险，而预期的不准确性变成了模糊性。 有许多特殊情况可以最小化预期自由能。
机器之心报道 编辑：蛋酱、魔王 1750 亿参数的 GPT-3，也许要拿走游戏从业者的饭碗了？ 现在，你身处一款密室逃脱类游戏，主题是银行抢劫。 你的名字叫做「刚子」，你的同伙叫做「大力」。...然而，在传统的技术和制作流程中，剧情、NPC 对话、动作触发等内容都需要手工创建。对极致游戏体验的追求势必会导致高昂的开发成本，每一个爆款的背后都是上千人的策划团队和巨额的资金投入。...还比如，柜员茹茹最初拒绝交出保险柜密码，但玩家做出伤害它的动作之后，它感受到了逐渐增加的危险性，并选择了妥协。 在这些玩家所看到的人物表现背后，每一个虚拟角色都是由很多参数来决定的。...除了对话生成以外，机器学习社区也正在挖掘 GPT-3 的巨大应用潜力，比如基于文本描述生成代码、基于问题的搜索引擎、图像补全等功能。...NPC 对玩家的动作给予动态实时响应，推动基于深度强化学习模型的故事线推进。这也是「混沌球算法」的名称由来。 因此，真正交互叙事的关键在于将叙事核心从故事转移到故事中所有的参与者。
在 Unity 编辑器的主界面中我们可以很容易制作各种场景物体，但天空如何制作呢？...如果你删过这个定向光，也可以通过新建一个到场景中，然后在上图的界面里面点击选择按钮把刚刚新建的定向光选中来再次创建太阳。...这里提一点，商店中的大部分资源，导入到项目中后都在 Assets 目录下。 等待下载并导入完后，你可以看到最终导入的窗口： 在这个最终的窗口中，点击右下角的“导入”即可最终添加到项目中。...我把刚刚下载的这款天空盒的六个面分别贴出来，就会像下图这样： 我简单做了个动图，用来直观观看天空盒的贴图： 依然在 Window->Rendering->Lighting Settings（窗口->...于是，我们的场景就应用了商店下载下来的天空盒了。 像这种六面天空盒，虽然依然可以设置太阳源，不过已经不再关联到天空中的太阳的位置了。 总结 本文没有介绍如何制作一个自己的天空盒，因为我也正在学习中。
缘起11.18「宝可梦朱·紫」正式发售，我才记起还没在 Switch 上玩过「宝可梦剑·盾」，赶紧趁着双十一，在某宝上下单了一张卡带，为双十一做出了一点微博的贡献。到手才发现，买的是二手卡带。...但没关系，价格减半，快乐加倍，一个周末都忙着在旷野地带奔跑，几乎要练成十里坡剑神。...图片实现效果：图片做静态的一个精灵球要实现这个效果，第一步先要做一个静态的精灵球。...图片可以看到虽然使用了渐变背景，但图案上并没有渐变效果，这里用了一个小技巧：在同一个位置同时设置两个颜色，达到颜色跳变的效果。...形状的调整是通过设置圆角来实现：border-radius: 9999px;，简单起见，参考 tailwind css 设置成了一个巨大值。如何让它动起来有了一个静态的精灵球，让它动起来还不容易？
其含义是每一个人都没有完整信息的时候，他除了试图用有限的信息辅助决策以外，还会做一件很重要的事儿，就是参考他人的行为。因为他相信别人一定有不同的信息渠道，可以用来印证或者否定自己的判断。...猜对的有奖励，人数不设上限。所以没有人有说谎的激励。每个人都做出最大努力，希望猜对。但是经常出现的结果是——所有人的答案都是错误的。 试想你摸到了一个红球，但是你前面20多人都宣布箱子里面有2个白球。...冯小刚导演曾经在《编辑部的故事》里面演了一个角色，“偷听敌台”之后到处散播“星星撞地球”的谣言，加上一个“业余天文爱好者”的鼓吹，弄得人心惶惶。 最后人民群众是怎么识破谣言的？...群体智慧 自己信息不全，又不能完全依赖权威，日子可怎么过啊？ 幸好这个世界上还存在着一种东西，叫做群体智慧。 对于一个事物，每个个体观察角度都不同，因此难免看法偏颇。...如果你是搞人工智能的，可能早就发现了吧？对，我这是用社交媒体用户构造了一个巨大的深度神经网络。 隐患 我们曾经采用复杂系统仿真印证了该方法甄别社交媒体虚假信息很有效。 但是，世界上没有十全十美的东西。
云服务器
ICP备案
对象存储
实时音视频
云直播
