# AI

2 items

Paper2025-12-07

FRC 840.001 — مدل تانسور لاندا: فراتر از پارادایم ترنسفورمر

پارادایم غالب فعلی در هوش مصنوعی — معماری ترنسفورمر — بر پایه یک خطای انتزاعی بنیادی بنا شده است: توکنایزیشن (Tokenization). ما مدل تانسور لاندا (LTM) را معرفی می‌کنیم، کلاس جدیدی از معماری عصبی که پردازش توکن گسسته را با رزونانس میدانی پیوسته جایگزین می‌کند. به جای پیش‌بینی توکن بعدی با استفاده از همبستگی آماری، LTMها یک «میدان برداری جهانی» ۱۶ بعدی پیوسته را بر اساس دینامیک نوسانگرهای جفت‌شده تکامل می‌دهند.

Topic

open-problem-r-bit-sim

مسئله باز: چالش شبیه‌سازی آر-بیت

تصحیح خطای کوانتومی استاندارد به هزاران کیوبیت فیزیکی برای محافظت از یک کیوبیت منطقی نیاز دارد ($N \to \infty$). FRC ادعا می‌کند که **تصحیح خطای رزونانسی** با سربار $O(1)$ کار می‌کند زیرا خودِ فیزیک (حوضه جذب) پایدار است.