演算、計算、算出

US11720328(ADVANCED MICRO DEVICES INC [US])
[0014] To support execution of AI operations, the AI accelerator 104 includes a command processor (CP) 106 and a plurality of compute units, including compute units (CUs) 110 , 111 , and 112 .
【００１０】
  ＡＩ演算の実行をサポートするために、ＡＩアクセラレータ１０４は、コマンドプロセッサ（ＣＰ）１０６と、計算装置（ＣＵ）１１０、１１１、１１２を含む複数の計算装置と、を含む。

The command processor 106 receives commands (e.g., command 118 ) from the CPU 102 , wherein each command indicates one or more AI operations to be executed at the AI accelerator 104 .
コマンドプロセッサ１０６は、ＣＰＵ１０２からコマンド（例えば、コマンド１１８）を受信し、各コマンドは、ＡＩアクセラレータ１０４において実行される１つ以上のＡＩ演算を示す。

For example, in different embodiments the command 118 indicates one or more of a neural network operation (e.g., a convolutional operation for neural network training, an inferencing operation, and the like), a machine learning operation, a vector processing operation, and the like, or any combination thereof.
例えば、異なる実施形態では、コマンド１１８は、ニューラルネットワーク演算（例えば、ニューラルネットワークトレーニングのための畳み込み演算、推論演算等）、機械学習演算、ベクトル処理演算等、又は、それらの任意の組み合わせのうち１つ以上を示す。

The CP 106 interprets the command to generate one or more instructions (e.g., instruction 117 ), wherein the instructions delineate the AI operations to be executed.
ＣＰ１０６は、コマンドを解釈し、１つ以上の命令（例えば、命令１１７）を生成し、命令は、実行されるＡＩ演算を記述する。

US11488285(APPLE INC [US])
[0045] The neural processor circuit 218 is a programmable circuit that performs machine learning operations on the input data of neural processor circuit 218 .
【００３３】
  ニューラルプロセッサ回路２１８は、ニューラルプロセッサ回路２１８の入力データに対して機械学習演算を実行するプログラム可能な回路である。

Machine learning operations may include different computations for training of a machine learning model and for performing inference or prediction based on the trained machine learning model.
機械学習演算は、機械学習モデルをトレーニングするための、及びトレーニングされた機械学習モデルに基づいて推定又は予測を実行するための異なる計算を含み得る。

The neural processor circuit 218 is a circuit that performs various machine learning operations based on computation including multiplication, addition, and accumulation.
ニューラルプロセッサ回路２１８は、乗算、加算、及び累算を含む計算に基づいて、様々な機械学習演算を実行する回路である。

Such computation may be arranged to perform, for example, various types of tensor multiplications such as tensor product and convolution of input data and kernel data.
このような計算は、例えば、入力データ及びカーネルデータのテンソル積及び畳み込みなどの様々な種類のテンソル乗算を実行するように編成され得る。

The neural processor circuit 218 is a configurable circuit that performs these operations in a fast and power-efficient manner while relieving CPU 208 of resource-intensive operations associated with neural network operations. 
ニューラルプロセッサ回路２１８は、ニューラルネットワーク演算に関連するリソース集約的な演算からＣＰＵ２０８を解放しつつ、これらの演算を高速かつ電力的に効率的に実行する構成可能回路である。

US2021401297(BAXTER INT [US])
[0093] FIGS. 2D and 2E show, respectively, an image and photograph of the circuit board 62 within the arm-worn housing.
【００９０】
  図２Ｄおよび２Ｅは、それぞれ、腕装着型筐体内の回路基板６２の画像および写真を示す。

The circuit board 62 was fabricated according to an electrical schematic, shown in FIG. 3 (specifically component 100 ) and described in more detail below.
回路基板６２は、図３（具体的に、コンポーネント１００）に示され、下でより詳細に説明される電気概略図に従って製作された。

The circuit board 62 shown in the figure is a 4-layer fiberglass/metal structure
図に示される回路基板６２は、金属パッドを含む４層ガラス繊維／金属構造であり、

that includes metal pads soldered to, among other components, an analog-to-digital converter 68 , accelerometer 75 , operational amplifiers 71 a -f , and power regulators 72 a -b . 
金属パッドは、他のコンポーネントの中でもとりわけ、アナログ／デジタルコンバータ６８、加速度計７５、演算増幅器７１ａ－ｆ、および電力調整器７２ａ－ｂにはんだ付けされる。

/////////

[0182] Alternatively, a machine-learning approach can be used to develop a model that converts parameters related to F0 and F1 measured with iPIVA to those related to the patient's fluid status.
【０１６９】
  代替として、機械学習アプローチが、ｉＰＩＶＡを用いて測定されたＦ０およびＦ１に関連するパラメータを患者の流体ステータスに関連するそれらに変換するモデルを開発するために使用されることができる。

One such a machine-learning approach is called a support vector machine (herein “SVM”).
１つのそのような機械学習アプローチは、サポートベクターマシン（本明細書では「ＳＶＭ」）と呼ばれる。

The approach here is similar to that used with the linear regression: data determined from a clinical trial is used to build the SVM, which is then used going forward to convert iPIVA parameters into things like cardiac wedge pressure.
アプローチは、ここでは、線形回帰と共に使用されるそれに類似し、臨床治験から決定されたデータは、ＳＶＭを構築するために使用され、それは、次いで、ｉＰＩＶＡパラメータを心臓楔入圧のようなものに変換するためにその後使用される。

Other computation models that can be used in similar applications include Gaussian Kernel Functions, Boosting Ensemble, and Bagging Ensemble.
類似する用途において使用され得る他の算出モデルは、ガウスカーネル関数、ブースティングアンサンブル、およびバギングアンサンブルを含む。

/////////

STEP 3) Identify a possible value of F0 for the CWT of each segment as the median of frequencies associated with the greatest energy between 0 and 0.5 HZ.
【０１７３】
  ステップ３）各区画のＣＷＴに関するＦ０の可能な値を０～０．５Ｈｚの最も大きいエネルギーに関連付けられる周波数の中央値として識別する。

Then calculate the median F0 value for 5 consecutive segments; this becomes the working estimate of F0 for the following steps.
次いで、５つの連続する区画に関する中央Ｆ０値を計算し、それは、以下のステップに関するＦ０の作業推定値となる。

US11727297(IBM [US])
[0022] Quantum computing is generally the use of quantum-mechanical phenomena for the purpose of performing computing and information processing functions.
【００１８】
  量子コンピューティングは、一般に、コンピューティングおよび情報処理機能を実行する目的で量子力学的現象を使用することである。

Quantum computing can be viewed in contrast to classical computing, which generally operates on binary values with transistors.
量子コンピューティングは、一般にトランジスタを用いて２進値に対して演算を実行する古典コンピューティングと対照をなすものと見ることができる。

That is, while classical computers can operate on bit values that are either 0 or 1,
すなわち、古典コンピュータは、０または１のいずれかであるビット値で演算を実行することができるが、

quantum computers operate on quantum bits (qubits) that comprise superpositions of both 0 and 1, can entangle multiple quantum bits, and use interference.
量子コンピュータは、０と１との両方の重ね合せを含む量子ビット（キュービット）に対して演算を実行し、複数の量子ビットをもつれさせることができ、干渉を使用する。

//////////

[0071] In an example embodiment, to produce graph 300 , device 100 can be quantized using the above defined parameters, where the frequency and the detuning of tunable coupler 102 can be varied.
【００５８】
  例示的な実施形態では、グラフ３００を生成するために、上記で定義されたパラメータを使用してデバイス１００を量子化することができ、周波数および調整可能なカプラ１０２の離調は変動し得る。

In this example embodiment, the ZZ interaction between first qubit 106 a and second qubit 106 b can be calculated based on such variations of the frequency and the detuning of tunable coupler 102 . 
この例示的な実施形態では、周波数および調整可能なカプラ１０２の離調のこのような変動に基づいて、第１のキュービット１０６ａと第２のキュービット１０６ｂとの間のＺＺ相互作用を算出することができる。

//////

[0080] Based on such cancelation of the tunable coupling and elimination of coherent rotations and/or coherent qubit errors on the first qubit, the second qubit, and/or the adjacent qubit as described above,
【００６７】
  上記のような、調整可能な結合のキャンセル、および第１のキュービット、第２のキュービット、または隣接キュービットあるいはその組合せにおけるコヒーレントな回転またはコヒーレントなキュービット誤りあるいはその両方の排除に基づけば、

a practical application of the various embodiments of the subject disclosure described herein (e.g., device 100 , device 200 , etc.) is that
本明細書に記載された本開示の様々な実施形態（例えば、デバイス１００、デバイス２００など）の実際の適用は、

they can be implemented in a quantum device (e.g., a quantum processor, a quantum computer, etc.)
それらを量子デバイス（例えば、量子プロセッサ、量子コンピュータなど）に実装して、

to more quickly and more efficiently compute, with improved fidelity, one or more solutions (e.g., heuristic(s), etc.) to a variety of problems ranging in complexity (e.g., an estimation problem, an optimization problem, etc.) in a variety of domains (e.g., finance, chemistry, medicine, etc.). 
様々な分野（例えば、金融、化学、医学など）における複雑なもの（例えば、推定問題、最適化問題など）に及ぶ様々な問題に対する１つまたは複数の解決法（例えば、発見的問題解決法など）を、忠実度を向上させてより迅速にかつより効率的に計算できることである。