id int64 18 18.8k | created_at timestamp[ns, tz=UTC]date 2026-02-23 07:30:20 2026-02-24 14:51:09 | updated_at timestamp[ns, tz=UTC]date 2026-02-23 08:08:14 2026-02-24 14:51:09 | doc_name stringclasses 1
value | input stringlengths 11 9.24k | output stringlengths 0 738 | is_personal bool 2
classes | is_sentence bool 2
classes | is_corrected bool 2
classes |
|---|---|---|---|---|---|---|---|---|
2,257 | 2026-02-23T11:30:07.067000Z | 2026-02-23T13:24:34.126000Z | Lec. | В СтнК помещается максимальное количество последовательных слоев нейронной сети; | В Стек помещается максимальное количество последовательных слоев нейронной сети; | false | true | true |
2,256 | 2026-02-23T11:30:05.508000Z | 2026-02-23T11:30:05.508000Z | Lec. | ГНС делится на «большие нейроны», представляющие собой группы нейронов, которые умещаются в одном ядре; | false | true | false | |
2,255 | 2026-02-23T11:30:03.658000Z | 2026-02-23T11:30:03.658000Z | Lec. | Алгоритм работы данного метода следующий: | false | true | false | |
2,254 | 2026-02-23T11:29:59.934000Z | 2026-02-23T13:38:55.725000Z | Lec. | На практике современные ГНС обычно настолько крупные, что их невозможно целиком поместить в СтнК, поэтому применяется метод «слайсинг» [72] | На практике современные ГНС обычно настолько крупные, что их невозможно целиком поместить в СНК, поэтому применяется метод «слайсинг» | false | true | true |
2,253 | 2026-02-23T11:29:58.313000Z | 2026-02-23T11:29:58.313000Z | Lec. | Количество взаимодействий между ячейками СтнК зависит в первую очередь от грамотного распределения нейронов | false | true | false | |
2,252 | 2026-02-23T11:29:56.695000Z | 2026-02-23T11:29:56.695000Z | Lec. | При развертывании ГНС в СтнК профиль трафика составляют связи, изначально отображенные на графе нейронной сети, и такой трафик относится к категории «многие ко многим» | false | true | false | |
2,251 | 2026-02-23T11:29:54.919000Z | 2026-02-23T11:29:54.919000Z | Lec. | Многоуровневое наложение: слои ГНС (а), распределение ядер по группам (б), распределение нейронов по ядрам (в) | false | false | false | |
2,250 | 2026-02-23T11:29:53.122000Z | 2026-02-23T11:29:53.122000Z | Lec. | Прямое наложение нейронов на СтнК. а б в | false | true | false | |
2,249 | 2026-02-23T11:29:51.318000Z | 2026-02-23T16:36:01.853000Z | Lec. | ГНС, используемая в примере наложения на СтнК | ГНС, используемая в примере наложения на Структурный код. | false | true | true |
2,248 | 2026-02-23T11:29:49.533000Z | 2026-02-23T13:34:31.815000Z | Lec. | Многоуровневое распределение нейронов позволяет существенно сократить межъядерную коммуникацию, т.к. целые слои ГНС сокращаются до нескольких ядер, и объединенные пакеты информации отправляются с меньшей частотой, чем поштучные | Многоуровневое распределение нейронов позволяет существенно сократить межъядерную коммуникацию. Т.к. целые слои ГНС сокращаются до нескольких ядер, и объединенные пакеты информации отправляются с меньшей частотой, чем поштучные. | false | true | true |
2,247 | 2026-02-23T11:29:47.701000Z | 2026-02-23T13:51:18.915000Z | Lec. | Пример распределения нейронов по ядрам СтнК показан на рис. 13 | Пример распределения нейронов по ядрам Структурно-Кодированной Сети показан на рис. 13 | false | true | true |
2,246 | 2026-02-23T11:29:46.058000Z | 2026-02-23T16:22:30.616000Z | Lec. | При многоуровневом наложении ядра распределяются в группы, соответствующие слоям ГНС, после чего внутри групп распределяются конкретные нейроны | При многоуровневом наложении ядра распределяются в группы, соответствующие слоям ГНС, после чего внутри групп распределены конкретные нейроны. | false | true | true |
2,245 | 2026-02-23T11:29:44.339000Z | 2026-02-23T11:29:44.339000Z | Lec. | Прямое наложение подразумевает деление количества нейронов на количество ядер в СтнК и расположение их по порядку (рис. 12) | false | true | false | |
2,244 | 2026-02-23T11:29:42.606000Z | 2026-02-23T16:02:51.217000Z | Lec. | На рис. 11 показан граф для нейронной сети из примера | На рис. 11 показан граф для нейронной сети. Из примера | false | true | true |
2,243 | 2026-02-23T11:29:40.439000Z | 2026-02-23T11:29:40.439000Z | Lec. | Если у сети хватает аппаратных ресурсов для воспроизведения целой ГНС, нейроны переносятся на сеть двумя способами: прямым и многоуровневым [71] | false | true | false | |
2,242 | 2026-02-23T11:29:38.760000Z | 2026-02-23T16:03:16.152000Z | Lec. | Главная сложность в такой задаче: размещение крупной нейронной сети в рамках маломощных СтнК | Главная сложность в такой задаче: размещение крупной нейронной сети в рамках маломощных СПНК | false | true | true |
2,241 | 2026-02-23T11:29:37.016000Z | 2026-02-23T16:17:55.301000Z | Lec. | Глубокие нейронные сети (ГНС) представляются в виде графа, точно также, как приложения для СтнК, что позволяет использовать узлы СтнК в качестве нейронов ГНС | Глубокие нейронные сети (ГНС) представляются в виде графа, точно так же, как приложения для СНК, что позволяет использовать узлы СНК в качестве нейронов ГНС. | false | true | true |
2,240 | 2026-02-23T11:29:35.309000Z | 2026-02-23T13:30:35.437000Z | Lec. | Глубокая нейронная сеть (ГНС) – искусственная нейронная сеть, которая содержит несколько скрытых слоев между узлами ввода и вывода | Глубокая нейронная сеть (ГНС) – искусственная нейронная сеть, которая содержит несколько скрытых слоев между узлами входа и выхода | false | true | true |
2,239 | 2026-02-23T11:29:33.658000Z | 2026-02-23T11:29:33.658000Z | Lec. | Использование глубоких нейронных сетей в СтнК | false | true | false | |
2,238 | 2026-02-23T11:29:31.914000Z | 2026-02-23T11:29:31.914000Z | Lec. | XML содержит начальные условия и принципы генерации трафика | false | true | false | |
2,237 | 2026-02-23T11:29:30.181000Z | 2026-02-23T11:29:30.182000Z | Lec. | Так, например, в IoT-Flock у пользователя есть возможность создавать и запускать собственные бенчмарки, описанные в XML-файле | false | true | false | |
2,236 | 2026-02-23T11:29:28.446000Z | 2026-02-23T13:47:27.105000Z | Lec. | Еще одной полезной особенностью бенчмарков и генераторов в IoT является совместимость с популярными и удобными форматами файлов | Еще одной полезной особенностью бенчмарков и генераторов в IoT является совместимость с популярными и удобными форматами файлов. | false | true | true |
2,235 | 2026-02-23T11:29:26.426000Z | 2026-02-23T13:35:42.480000Z | Lec. | Когда злоумышленник отправляет недействительные опции на сервер CoAP, возникает сбой памяти, поскольку обработка пакета с одной недействительной опцией тратит 24 байта памяти | Когда злоумышленники отправляют недействительные опции на сервер CoAP, возникает сбой памяти, поскольку обработка пакета с одной недействительной опцией тратит 24 байта памяти | false | true | true |
2,234 | 2026-02-23T11:29:24.757000Z | 2026-02-23T16:00:45.038000Z | Lec. | Сервер CoAP отправляет или получает данные по запросу клиента | Сервер CoAP отправляет или получает данные в ответ на запрос от клиента | false | true | true |
2,233 | 2026-02-23T11:29:23.265000Z | 2026-02-23T11:29:23.265000Z | Lec. | CoAP Memory Leak Attack | false | false | false | |
2,232 | 2026-02-23T11:29:21.799000Z | 2026-02-23T13:25:22.865000Z | Lec. | Недавно появилась атака, в которой злоумышленник устанавливает Uri как нулевой, тогда сервер CoAP неправильно обрабатывает такие пакеты, следовательно, возникает ошибка сегментации; | Недавно появилась атака, в которой злоумышленник устанавливает URI как нулевой, тогда сервер CoAP неправильно обрабатывает такие пакеты, следовательно, возникает ошибка сегментации. | false | true | true |
2,231 | 2026-02-23T11:29:20.305000Z | 2026-02-23T17:01:55.625000Z | Lec. | При общении с сервером CoAP действительный Uri является неотъемлемой частью пакета запроса и ответа | При общении с сервером COAP действительный Uri является неотъемлемой частью пакета запроса и ответа | false | true | true |
2,230 | 2026-02-23T11:29:18.765000Z | 2026-02-23T11:29:18.765000Z | Lec. | CoAP (Constrained Application Protocol) Segmentation Fault Attack | false | false | false | |
2,229 | 2026-02-23T11:29:16.995000Z | 2026-02-23T11:29:16.995000Z | Lec. | Публикация сообщений MQTT с высокой скоростью приводит к ошибке типа «отказ в обслуживании» (DoS); | false | true | false | |
2,228 | 2026-02-23T11:29:15.368000Z | 2026-02-23T11:29:15.369000Z | Lec. | MQTT Publish Flood | false | false | false | |
2,227 | 2026-02-23T11:29:13.843000Z | 2026-02-23T13:31:41.812000Z | Lec. | Злоумышленник сначала устанавливает соединение с MQTT на транспортном уровне, а затем отправляет команду публикации MQTT в начале вместо отправки запроса на соединение; | Злоумышленник сначала устанавливает соединение с MQTT на транспортном уровне, а затем отправляет команду публикации MQTT в начале вместо отправки запроса подключения; | false | true | true |
2,226 | 2026-02-23T11:29:12.078000Z | 2026-02-23T11:29:12.078000Z | Lec. | При атаке пакеты MQTT специально создаются для сбоя в приложении | false | true | false | |
2,225 | 2026-02-23T11:29:10.304000Z | 2026-02-23T11:29:10.304000Z | Lec. | MQTT (Message Queuing Telemetry Transport) Packet Crafting Attack | false | true | false | |
2,224 | 2026-02-23T11:29:08.742000Z | 2026-02-23T11:29:08.742000Z | Lec. | В бенчмарке IoT-Flock реализовано 4 «атакующих» приложения: | false | true | false | |
2,223 | 2026-02-23T11:29:07.151000Z | 2026-02-23T11:29:07.151000Z | Lec. | Такие программы было бы полезно внедрить в бенчмарки СтнК, чтобы следить за отказоустойчивостью | false | true | false | |
2,222 | 2026-02-23T11:29:05.506000Z | 2026-02-23T11:29:05.506000Z | Lec. | Полезной особенностью бенчмарков IoT является наличие «атакующих» программ, представляющих собой специальные нагрузки, созданные для поиска ошибок и уязвимостей в сетях [70] | false | true | false | |
2,221 | 2026-02-23T11:29:03.745000Z | 2026-02-23T11:29:03.745000Z | Lec. | Уведомление сущностей в системе о необходимости их выполнения производится либо вручную, либо автоматически | false | true | false | |
2,220 | 2026-02-23T11:29:02.089000Z | 2026-02-23T11:29:02.089000Z | Lec. | Определяют конкретные действия, которые требуются, и передают их в систему IoT | false | true | false | |
2,219 | 2026-02-23T11:29:00.487000Z | 2026-02-23T11:29:00.487000Z | Lec. | Classification and notification | false | true | false | |
2,218 | 2026-02-23T11:28:58.807000Z | 2026-02-23T13:49:33.149000Z | Lec. | Они выявляют интересующие закономерности, которые указывают на необходимость коррекции, или прогнозы, основанные на текущем поведении, которые требуют упреждающих действий; | Они выявляют интересующие закономерности, которые указывают на необходимость коррекции или прогнозы, основанные на текущем поведении, которые требуют упреждающих действий | false | true | true |
2,217 | 2026-02-23T11:28:56.917000Z | 2026-02-23T11:28:56.917000Z | Lec. | Используют текущую информацию и исторические данные, чтобы помочь определить будущее состояние системы IoT, «решить», требуется ли какая-либо реакция | false | true | false | |
2,216 | 2026-02-23T11:28:54.821000Z | 2026-02-23T16:17:42.352000Z | Lec. | Prediction and pattern detection | Prediction and pattern detection. | false | true | true |
2,215 | 2026-02-23T11:28:53.213000Z | 2026-02-23T11:28:53.213000Z | Lec. | Агрегация и аналитика нуобходимы для корректной оценки системы IoT на низком уровне; | false | true | false | |
2,214 | 2026-02-23T11:28:51.478000Z | 2026-02-23T11:28:51.478000Z | Lec. | Ряд приложений, предназначенных для статистической агрегации и аналитики потоков данных | false | true | false | |
2,213 | 2026-02-23T11:28:49.728000Z | 2026-02-23T17:57:40.124000Z | Lec. | Summarization and visualization | Summarizing and visualization | false | true | true |
2,212 | 2026-02-23T11:28:48.119000Z | 2026-02-23T11:28:48.119000Z | Lec. | При необходимости данные архивируются в автономном режиме; | false | true | false | |
2,211 | 2026-02-23T11:28:46.613000Z | 2026-02-23T16:44:09.051000Z | Lec. | Необходимы для получения потоков данных с датчиков и предварительной обработки информации | Необходимо для получения потоков данных с датчиков и предварительной обработки информации | false | true | true |
2,210 | 2026-02-23T11:28:44.865000Z | 2026-02-23T11:28:44.865000Z | Lec. | Extract-Transform-Load (ETL) and Archival | false | false | false | |
2,209 | 2026-02-23T11:28:43.069000Z | 2026-02-23T11:28:43.069000Z | Lec. | Популярные приложения на основе базовых задач: | false | false | false | |
2,208 | 2026-02-23T11:28:38.142000Z | 2026-02-23T17:07:25.040000Z | Lec. | Задачи включают в себя хранение или загрузку обученных моделей, архивирование входящих потоков данных, доступ к историческим данным для агрегации и сравнения, а также отслеживание потоков сообщений или публикацию действий обратно в систему | Задачи включают в себя хранение или загрузку обученных моделей, архивирование входящих потоков данных. Доступ к историческим данным для агрегации и сравнения. Отслеживание потоков сообщений или публикация действий обратно в систему. | false | true | true |
2,207 | 2026-02-23T11:28:36.020000Z | 2026-02-23T11:28:36.020000Z | Lec. | Требуются для доступа к внешнему хранилищу или службам обмена сообщениями для доступа/передачи данных в/из приложения | false | true | false | |
2,206 | 2026-02-23T11:28:34.245000Z | 2026-02-23T11:28:34.245000Z | Lec. | IO operations | false | false | false | |
2,205 | 2026-02-23T11:28:32.385000Z | 2026-02-23T13:37:49.988000Z | Lec. | Задачи генерации диаграмм и анимации для использования конечными пользователями или системными менеджерами; | Задачи генерации диаграмм и анимаций для использования конечными пользователями или системными менеджерами; | false | true | true |
2,204 | 2026-02-23T11:28:30.830000Z | 2026-02-23T11:28:30.830000Z | Lec. | Visual analytics | false | true | false | |
2,203 | 2026-02-23T11:28:29.377000Z | 2026-02-23T11:28:29.377000Z | Lec. | Выполняется поиск сообщений на основе заданных пользователем предикатов; | false | true | false | |
2,202 | 2026-02-23T11:28:27.893000Z | 2026-02-23T18:27:24.091000Z | Lec. | Задачи, предназначенные для идентификации шаблонов поведения пользователей по набору событий | Задачи, предназначенные для выявления шаблонов поведения пользователей по набору событий | false | true | true |
2,201 | 2026-02-23T11:28:25.904000Z | 2026-02-23T11:28:25.904000Z | Lec. | Pattern detection | false | false | false | |
2,200 | 2026-02-23T11:28:24.181000Z | 2026-02-23T17:30:50.477000Z | Lec. | Для предиктивной аналитики по потокам информации с датчиков используются различные алгоритмы машинного обучения и статистические функции; | Для предсказывательной аналитики по потокам информации с датчиками используются различные алгоритмы машинного обучения и статистические функции; | false | true | true |
2,199 | 2026-02-23T11:28:22.419000Z | 2026-02-23T11:28:22.419000Z | Lec. | Важной частью приложений IoT является прогнозирование будущего поведения системы на основе прошлых и текущих сообщений | false | true | false | |
2,198 | 2026-02-23T11:28:20.665000Z | 2026-02-23T11:28:20.665000Z | Lec. | Predictive analytics | false | false | false | |
2,197 | 2026-02-23T11:28:18.988000Z | 2026-02-23T11:28:18.988000Z | Lec. | Но также применяются статистические функции высшего порядка, такие как поиск выбросов, квартилей, моментов второго и третьего порядка; | false | true | false | |
2,196 | 2026-02-23T11:28:17.423000Z | 2026-02-23T11:28:17.423000Z | Lec. | Функции агрегации обычно представляют собой обычные математические операции, такие как нахождение среднего, минимума и максимума | false | true | false | |
2,195 | 2026-02-23T11:28:15.455000Z | 2026-02-23T11:28:15.455000Z | Lec. | Агрерация групп сообщений в последовательном временном потоке данных | false | true | false | |
2,194 | 2026-02-23T11:28:13.924000Z | 2026-02-23T11:28:13.924000Z | Lec. | Statistical analytics | false | false | false | |
2,193 | 2026-02-23T11:28:12.236000Z | 2026-02-23T11:28:12.236000Z | Lec. | Фильтры применяются для проверки качества данных, для улучшения маршрутизации или как часть прикладной логики; | false | true | false | |
2,192 | 2026-02-23T11:28:10.599000Z | 2026-02-23T17:48:56.716000Z | Lec. | Осуществляется фильтрация сообщений по различным атрибутам | Происходит фильтрация сообщений по различным атрибутам. | false | true | true |
2,191 | 2026-02-23T11:28:08.908000Z | 2026-02-23T18:11:14.465000Z | Lec. | Т.е. выполняется задача кодирования и декодирования стандартных форматов, таких как SenML, CSV, XML и JSON, а также двоичных форматов EXI и CBOR; | Теоретически выполняются задачи кодирования и декодирования стандартных форматов, таких как SenML, CSV, XML и JSON, а также двоичных форматов EXI и CBOR; | false | true | true |
2,190 | 2026-02-23T11:28:07.183000Z | 2026-02-23T13:43:29.949000Z | Lec. | Сообщения кодируются в стандартном текстовом или двоичном представлении, получатели анализируют данные по прибытии | Сообщения кодируются в стандартном текстовом или двоичном представлении. Получатели анализируют данные при их прибытии. | false | true | true |
2,189 | 2026-02-23T11:28:05.557000Z | 2026-02-23T11:28:05.557000Z | Lec. | Основные задачи IoT представлены ниже: | false | true | false | |
2,188 | 2026-02-23T11:28:04.080000Z | 2026-02-23T13:49:14.444000Z | Lec. | В бенчмарках IoT применяются потоковые приложения, которые состоят из стандартных задач Интернета вещей | В бенчмарках IoT применяются потоковые приложения, которые могут включать в себя стандартные задачи Интернета вещей. | false | true | true |
2,187 | 2026-02-23T11:28:02.328000Z | 2026-02-23T13:40:37.929000Z | Lec. | В программах IoT (Internet of Things, Интернета вещей) используются крупные объемы непрерывных данных с датчиков [69], поэтому в данной области важна точность коммуникации и мгновенное исправление ошибок | В программах IoT (Internet of Things, Интернета вещей) используются крупные объемы непрерывных данных с датчиков [69], поэтому в данной области важна точность коммуникации и мгновенное исправление ошибок. | false | true | true |
2,186 | 2026-02-23T11:28:00.548000Z | 2026-02-23T11:28:00.548000Z | Lec. | Бенчмарки Интернета вещей | false | false | false | |
2,185 | 2026-02-23T11:27:58.873000Z | 2026-02-23T13:29:37.031000Z | Lec. | В целом бенчмарки для суперкомпьютеров и квантовых компьютеров применимы для крупных сетей на кристалле, т.к. обычные бенчмарки теряют в скорости выполнения и масштабируемости при увеличении количества ядер в топологии, а задачи суперкомпьютеров настолько сложны, что изначально требуют много мощности и вычислительных я... | В целом бенчмарки для суперкомпьютеров и квантовых компьютеров применимы для крупных сетей на кристалле. Традиционные бенчмарки теряют в скорости выполнения и масштабируемости при увеличении количества ядер в топологии, а задачи суперкомпьютеров настолько сложны, что изначально требуют много мощности и вычислительных я... | false | true | true |
2,184 | 2026-02-23T11:27:57.053000Z | 2026-02-23T11:27:57.053000Z | Lec. | Все квантовые операции трудно перенести на обычные компьютеры и портировать для СтнК, но они полезны для выявления новых особенностей сетей и закономерностей в их работе | false | true | false | |
2,183 | 2026-02-23T11:27:55.290000Z | 2026-02-23T11:27:55.290000Z | Lec. | Является одним из перспективных приложений квантовых вычислений | false | true | false | |
2,182 | 2026-02-23T11:27:53.746000Z | 2026-02-23T11:27:53.746000Z | Lec. | Hamiltonian Simulation: моделирование временной эволюции квантовых систем | false | true | false | |
2,181 | 2026-02-23T11:27:52.008000Z | 2026-02-23T16:29:08.199000Z | Lec. | VQE (Variational Quantum Eigensolver): цель алгоритма состоит в том, чтобы найти наименьшее собственное значение заданной матрицы путем вычисления сложной функции стоимости на QPU и передачи полученного значения в процедуру оптимизации, выполняемую на CPU; | Вариационный квантовый решитель собственных значений: цель алгоритма состоит в том, чтобы найти наименьшее собственное значение заданной матрицы путем вычисления сложной функции стоимости на QPU и передачи полученного значения в процедуру оптимизации, выполняемую на CPU; | false | true | true |
2,180 | 2026-02-23T11:27:50.231000Z | 2026-02-23T13:44:30.239000Z | Lec. | Для работы программы также требуется коммуникация all-to-all; | Для работы программы также требуется коммуникация всех с всех; | false | true | true |
2,179 | 2026-02-23T11:27:48.659000Z | 2026-02-23T18:27:32.516000Z | Lec. | Fermionic-Swap QAOA: использует вариационный подход, известный как Fermionic-Swap Network [68] | Fermionic-Swap QAOA: использует вариационный подход, известный как Fermionic-Swap Network [68]. | false | true | true |
2,178 | 2026-02-23T11:27:46.944000Z | 2026-02-23T13:36:59.863000Z | Lec. | Поскольку модель SK полностью связна, работа программы требует коммуникации all-to-all; | Поскольку модель SK полностью связна, работа программы требует коммуникации all-to-all. | false | true | true |
2,177 | 2026-02-23T11:27:45.377000Z | 2026-02-23T17:23:06.308000Z | Lec. | Так выглядит стандартная формулировка QAOA | Так выглядит стандартная формулировка QAOA. | false | true | true |
2,176 | 2026-02-23T11:27:43.731000Z | 2026-02-23T15:49:28.168000Z | Lec. | Vanilla QAOA: используется подход, который точно соответствует модели SK (Sherrington-Kirkpatrick) [67] | Vanilla QAOA: используется подход, который точно соответствует модели SK (Sherrington-Kirkpatrick) [67]. | false | true | true |
2,175 | 2026-02-23T11:27:41.720000Z | 2026-02-23T13:44:16.417000Z | Lec. | Также существует в 2 вариациях: | Также существует в двух вариациях. | false | true | true |
2,174 | 2026-02-23T11:27:40.219000Z | 2026-02-23T11:27:40.219000Z | Lec. | QAOA (Quantum Approximate Optimization Algorithm): вариативный квантово-классический алгоритм, который предназначен для генерации битовых строки для решения задач комбинаторной оптимизации | false | true | false | |
2,173 | 2026-02-23T11:27:38.440000Z | 2026-02-23T11:27:38.440000Z | Lec. | Вместо проверки на фазовые перевороты битовый код обнаруживает битовые перевороты на кубитах данных; | false | true | false | |
2,172 | 2026-02-23T11:27:36.884000Z | 2026-02-23T11:27:36.884000Z | Lec. | Bit Code Proxy-application: как и фазовый, битовый код также представляет собой код с повторением битовых переходов, который задается количеством кубитов данных и раундов коррекции ошибок | false | true | false | |
2,171 | 2026-02-23T11:27:35.123000Z | 2026-02-23T13:37:42.915000Z | Lec. | Phase Code Proxy-Application: фазовый код представляет собой код с фазовым переворотом и повторением, параметрами которого являются количество кубитов данных и раундов коррекции ошибок; | Фазовый код представляет собой код с фазовым переворотом и повторением, параметрами которого являются количество кубитов данных и раундов коррекции ошибок; | false | true | true |
2,170 | 2026-02-23T11:27:33.545000Z | 2026-02-23T11:27:33.545000Z | Lec. | Есть 2 программы создания корректировочных кодов: | false | true | false | |
2,169 | 2026-02-23T11:27:31.561000Z | 2026-02-23T13:36:53.075000Z | Lec. | Error Correction Subroutines, Error Correcting Codes (ECCs): метод, с помощью которого отказоустойчивые квантовые компьютеры выполняют программы произвольной длины | Error Correction Subroutines, Error-Correcting Codes (ECCs): метод, с помощью которого отказоустойчивые квантовые компьютеры выполняют программы произвольной длины | false | true | true |
2,168 | 2026-02-23T11:27:29.748000Z | 2026-02-23T17:18:30.011000Z | Lec. | Примером такого теста на неравенство является Mermin-Bell; | Примером такого теста на неравенство является эксперимент Мермина-Белла; | false | true | true |
2,167 | 2026-02-23T11:27:28.104000Z | 2026-02-23T11:27:28.104000Z | Lec. | Такие эксперименты известны как тесты на неравенство Белла [66] | false | true | false | |
2,166 | 2026-02-23T11:27:26.338000Z | 2026-02-23T11:27:26.338000Z | Lec. | Mermin-Bell: одно из основных применений квантовых компьютеров до сих пор было связано с демонстрацией квантовости природы в мелких масштабах | false | true | false | |
2,165 | 2026-02-23T11:27:24.502000Z | 2026-02-23T11:27:24.502000Z | Lec. | Оценивается способность квантового процессора генерировать запутанность при помощи состояний GHZ (Greenberger—Horne—Zeilinger) [65]; | false | true | false | |
2,164 | 2026-02-23T11:27:22.550000Z | 2026-02-23T13:44:37.762000Z | Lec. | GHZ: генерация запутанности между кубитами | ГХЗ: генерация запутанности между кубитами | false | true | true |
2,163 | 2026-02-23T11:27:20.844000Z | 2026-02-23T11:27:20.844000Z | Lec. | В нем реализованы популярные приложения для квантовых компьютеров: | false | true | false | |
2,162 | 2026-02-23T11:27:18.930000Z | 2026-02-23T11:27:18.930000Z | Lec. | Существует современный масштабируемый реалистичный бенчмарк под названием SupermarQ [64] | false | true | false | |
2,161 | 2026-02-23T11:27:17.044000Z | 2026-02-23T13:46:24.616000Z | Lec. | Результаты тестов завышены относительно реальной производительности квантовых компьютеров | Результаты тестов завышены по сравнению с реальной производительностью квантовых компьютеров. | false | true | true |
2,160 | 2026-02-23T11:27:15.170000Z | 2026-02-23T11:27:15.170000Z | Lec. | Основные тестовые задачи такие же, как у других версий LINPACK: решение случайных СЛАУ | false | true | false | |
2,159 | 2026-02-23T11:27:13.302000Z | 2026-02-23T16:26:51.673000Z | Lec. | К синтетическим, например, относится еще одна версия LINPACK, которая называется quantum LINPACK [63] | К синтетическим, например, относятся еще одна версия LINPACK, которая называется quantum LINPACK [63]. | false | true | true |
2,158 | 2026-02-23T11:27:11.369000Z | 2026-02-23T13:27:47.411000Z | Lec. | Квантовые бенчмарки также делятся на синтетические и реалистичные | Квантовые бенчмарки также делятся на синтетические и реалистичные. | false | true | true |
Subsets and Splits
No community queries yet
The top public SQL queries from the community will appear here once available.