cuDNN – NVIDIA 技術博客

初創公司利用人工智能改善孕產期和新生兒護理服務

Mon, 07 Apr 2025 06:35:51 +0000

每年，全球有近 30 萬名女性死于因孕期或生產引起的并發癥。在出生后的第一個月內死亡的死產兒和嬰兒的數量每年超過近 400 萬。 4 月 7 日是“ 世界衛生日 ”，今年的活動重點是提高人們對努力消除可預防的孕產期和新生兒死亡的認識。為女性和嬰兒提供更好的護理服務是一項至關重要的社會責任，從巴黎到舊金山以及介于兩者之間的任何地方的初創公司都認為 AI 可以幫助解決這一挑戰。兩家成立于 2022 年的初創公司 (總部相距半個世界) 已開始推出 AI 解決方案，以改善女性和孕期母親的醫療保健服務。總部位于巴黎的 BrightHeart 由兩位兒科心臟病專家創立，該公司將 AI 與醫生辦公室常見的超聲波設備相集成，支持對胎兒超聲波進行更全面、更準確的分析。這家初創公司的平臺剛剛獲得 FDA 批準，該平臺有助于識別常規超聲波檢查經常漏掉的產前心臟缺陷。大約 1%

Source

]]>

借助 AI 驅動的細胞分析技術推進罕見疾病檢測

Wed, 29 Jan 2025 05:31:21 +0000

由于傳統基因組測序的局限性，罕見疾病很難診斷。哥倫比亞大學助理教授 Wolfgang Pernice 正在使用 AI 驅動的細胞分析來彌合這些差距，并推動個性化醫療的發展。在 NVIDIA GTC 2024 大會上，Pernice 分享了他的實驗室對 Charcot-Marie-Tooth (CMT) 和線粒體疾病等疾病的研究成果。他的團隊開發了 CellNet，這是一種 AI 驅動的系統，使用患者細胞的高分辨率圖像來識別與疾病相關的細微模式，從而實現準確診斷并制定新的治療策略。基因組醫學一直致力于將診斷轉化為個性化的治療或治療方法。雖然取得了一些進展，但許多患有 7,000 種已知罕見遺傳病之一的患者仍然需要有效的治療方法。Pernice 的實驗室正在利用計算機視覺和深度學習來解決罕見疾病診斷和治療中的主要障礙，從而致力于更快速、更可擴展的基因組醫學方法。

Source

]]>

利用 NVIDIA CUDA-Q 和 NVIDIA cuDNN 加速太陽能預測的量子算法實現

Wed, 23 Oct 2024 05:24:37 +0000

改善可持續能源的來源是一個全球性問題，具有環境和經濟安全方面的影響。臺灣中原基督教大學電力系統與能源杰出教授 Ying-Yi Hong 研究混合量子經典方法，這些方法利用量子計算來解決電力系統和可持續能源方面的挑戰性問題。 Hong 教授的研究團隊重點關注太陽輻射預測，目標是利用地理和歷史數據來預測光伏發電場的發電量，使電力公司能夠以最佳方式調度傳統的基于礦物燃料的發電。 Hong 教授和他的學生 Dylan Lopez 使用 NVIDIA CUDA-Q 平臺，通過混合量子神經網絡（HQNN）運行的計算來預測太陽輻射。這項工作最近發表在論文《使用混合量子神經網絡進行太陽輻射預測：GPU-Based Workflow 開發平臺的比較》中。與其他領先的量子模擬器相比，HQNN 的這項工作利用了 CUDA-Q 與 NVIDIA cuDNN 庫的互操作性，

Source

]]>

AI 工具助力農民抗擊作物損失和氣候變化影響

Wed, 11 Sep 2024 08:05:35 +0000

機器學習算法開始徹底改變現代農業，該技術使農民能夠實時抗擊病蟲害，提高作物產量和利潤，同時減少浪費、溫室氣體排放和殺蟲劑的使用。全球約 6% 的 CO2 排放量來自農業，每年高達 40% 的作物因病蟲害而損失。對于已經從事低利潤產業的農民而言，浪費在未使用的作物上的關鍵資源使得生存變得更加困難，更不用說蓬勃發展了。但是，初創公司 Fermata 推出的全新AI賦能平臺為農民提供了一種減輕蟲害和作物病害影響的方法，同時還提高了農業的可持續性和對工人的友好性。由 ML 提供支持的新型計算機視覺系統名為 Croptimus，全天候持續掃描作物。當該平臺檢測到作物病蟲害或作物病害的早期跡象時，會立即向農民發出警報，使他們能夠將資源用于受影響的作物，并將威脅保持在局部性。該平臺使用高質量數據進行訓練，使其計算機視覺軟件能夠準確區分健康作物和高風險作物，

Source

]]>

研究人員使用 AI 恢復已絕跡的 DNA，對抗病原體

Wed, 24 Jul 2024 09:06:52 +0000

使用 AI 的研究人員正在挖掘長毛猛象和巨型樹懶等早已絕跡的物種的 DNA，尋找古代基因組學的秘密，以幫助對抗當今最具感染力的病原體。根據世界衛生組織（WHO）的數據，全球每年有超過 125 萬人死于對抗生素等藥物有免疫力的感染。到 2050 年，這一數字可能上升到 1000 萬人。此外，在 6 年內，由于治療傳染病的高昂費用，大約 2400 萬人可能會陷入極端貧困。 Cesar de la Fuente 博士是賓夕法尼亞大學的教授，他領導著一個研究團隊，利用人工智能從已絕跡的史前生物中探測 DNA，以確定危險的耐藥微生物的新解決方案。 2024 年 6 月，de la Fuente 博士和一個團隊在《自然生物醫學工程》( Nature Biomedical Engineering ) 上發表的一篇論文中詳細介紹了這項技術，并將其稱為“分子去滅絕”。

Source

]]>

人工智能腦植入恢復腦卒中幸存者的雙語交流

Thu, 20 Jun 2024 05:53:50 +0000

科學家通過訓練神經假體植入物來解碼一名不會說話的中風幸存者的雙語大腦活動，使其能夠用西班牙語和英語進行交流。這項研究發表在《自然生物醫學工程》上，來自加利福尼亞大學舊金山分校教授 Dr. Edward Chang 博士的實驗室，它建立在他 2021 年對同一名患者進行的開創性研究的基礎上，該研究證明了將嚴重癱瘓患者的大腦活動轉化為文字的功效。在最新的研究中，神經假體解碼了同一個人——Pancho——的大腦活動，并使用雙語人工智能模型將大腦活動轉化為西班牙語或英語單詞，這取決于 Pancho 打算用哪種語言交流，然后，他的單詞和句子被投影到計算機屏幕上。這兩項研究都為無法說話或依賴觸摸屏或眼動監測設備進行交流的人提供了遠不那么繁重的交流承諾。這些結果也是在潘喬身上神經假體最初植入四年后得出的，突顯了該技術的壽命及其潛在的長期影響。

Source

]]>

使用 NVIDIA cuDNN 9 加速多個 Transformer

Fri, 24 May 2024 06:55:40 +0000

我們提供的 NVIDIA CUDA 深度神經網絡庫(cuDNN) 是一個專門為深度學習應用而設計的 GPU 加速庫，旨在以先進的性能加速深度學習基元。 cuDNN 與 PyTorch、TensorFlow 和 XLA (加速線性代數) 等熱門深度學習框架集成。這些框架抽象化了直接 GPU 編程的復雜性，使您能夠專注于設計和訓練模型，而無需擔心底層硬件。cuDNN 可作為底層性能引擎，確保以更高的效率執行這些框架上的操作。最近，擴展的點積注意力 (SDPA) 已成為大型語言模型 (LLM) 等重要工作負載中的性能關鍵基元。cuDNN 增加了對該基元的支持，并一直在使用閃存注意力和其他優化來提高其性能釋放，同時擴展功能支持面，以支持一系列注意力用例。在 NVIDIA H200 Tensor Core GPU 上，cuDNN 可以在 FP8 中實現高達 1.2…

Source

]]>

神經網絡通過檢查繪畫的筆觸來精確定位藝術家

Tue, 04 Jan 2022 04:29:00 +0000

通過一種新開發的人工智能工具，識別繪畫偽造品變得更容易了。該工具可以精確地識別風格差異，精確到一個畫筆刷毛。 Case Western Reserve University （ CWRU ）團隊的 research 通過訓練卷積神經網絡，根據繪畫的 3D 地形來學習和識別畫家。這項工作可以幫助歷史學家和藝術專家區分合作作品中的藝術家，并找到偽造的作品。鑒定古畫有幾種方法。專家經常評估材料的類型和狀態，并使用科學方法，如顯微分析、紅外光譜和反射術。但是，這些詳盡的方法非常耗時，可能會導致錯誤。他們也無法識別一件藝術品的多個畫家。根據這項研究，像埃爾·格雷科和倫勃朗這樣的畫家經常雇傭藝術家的工作室，以與自己相同的風格繪制畫布的各個部分，使得個人貢獻不明確。雖然用機器學習分析藝術品是一個相對較新的領域，但最近的研究集中于將人工智能方法與高分辨率的繪畫圖像相結合，

Source

]]>

研究人員利用神經納米光學技術制造了一種鹽粒大小的相機

Thu, 09 Dec 2021 04:27:00 +0000

來自普林斯頓和華盛頓大學的一組研究人員創造了一種新的照相機，捕捉到的圖像和測量結果只有一個粗粒鹽大小的半毫米。發表在 Nature Communications, 上的新的研究概述了使用光學超表面和機器學習來產生高質量的彩色圖像，具有廣闊的視野。該設備可用于從機器人到醫療領域的各個行業，以幫助疾病診斷。光學超表面依賴于一種新的光操縱方法，使用設置在小正方形表面上的圓柱柱。這些柱子的幾何形狀不同，其工作原理類似于天線，可以捕獲入射光子（電磁輻射波）。然后，這些波作為信號從元表面發送到計算機，以解釋并生成圖像。微型攝像機在醫學上有著巨大的應用潛力，從腦成像到微創內窺鏡。但是，到目前為止，這項技術已經用有限的視野捕捉到模糊、扭曲的圖像。研究人員采用神經納米光學技術，將光學超表面與基于神經特征的圖像重建相結合，

Source

]]>