Ein neuromorpher Prozessor (englisch: neuromorphic processor unit; NPU) – auch als neurosynaptischer Prozessor (englisch: neurosynaptic processor unit), kurz Neuralprozessor (aus dem englischen Neural Processing Unit^[1] entlehnt) oder auch KI-Prozessor bezeichnet – ist ein Prozessor, dessen Architektur auf Neuromorphing basiert.

人工智能加速器、深度学习处理器或神经处理单元（NPU）是一类专用硬件加速器或计算机系统，旨在加速人工智能（AI）和机器学习应用，包括人工神经网络和计算机视觉。典型应用包括机器人、物联网和其他数据密集型或传感器驱动型任务的算法。它们通常采用多核设计，一般侧重于低精度算术、新型数据流架构或内存计算能力。

生成式人工智能（英语：Generative artificial intelligence，或称Generative AI、生成式AI、产生式AI）是一种人工智能系统，能够产生文字、图像或其他媒体以回应提示工程^[1][2]，比如ChatGPT。产生模型学习输入数据的模式和结构，然后产生与训练数据相似但具有一定程度新颖性的新内容，而不仅仅是分类或预测数据^[3]。用于处理生成式人工智能的最突出框架包括生成对抗网络和基于转换器的生成式预训练模型^[4][5]。

Die Bioinformatik (englisch bioinformatics) ist eine interdisziplinäre Wissenschaft, die Probleme aus den Lebenswissenschaften mit theoretischen computergestützten Methoden löst. Sie hat zu grundlegenden Erkenntnissen der modernen Biologie und Medizin beigetragen. Bekanntheit in den Medien erreichte die Bioinformatik in erster Linie 2001 mit ihrem wesentlichen Beitrag zur Sequenzierung des menschlichen Genoms.

Bioinformatik ist ein weitgefächertes Forschungsgebiet, sowohl bei Problemstellungen als auch den angewandten Methoden. Wesentliche Gebiete der Bioinformatik sind die Verwaltung und Integration biologischer Daten, die Sequenzanalyse, die Strukturbioinformatik und die Analyse von Daten aus Hochdurchsatzmethoden (~omics). Da Bioinformatik unentbehrlich ist, um Daten in großem Maßstab zu analysieren, bildet sie einen wesentlichen Pfeiler der Systembiologie.

Der Bioinformatik wird im englischen Sprachraum oft die computational biology gegenübergestellt, die einen weiteren Bereich als die klassische Bioinformatik abdeckt, meist benutzt man beide Begriffe jedoch synonym.

生物信息学（英语：bioinformatics）利用应用数学、信息学、统计学和计算机科学的方法研究生物学的问题。生物信息学的研究材料和结果就是各种各样的生物学数据，其研究工具是计算机，研究方法包括对生物学数据的搜索（收集和筛选）、处理（编辑、整理、管理和显示）及利用（计算、模拟）。目前主要的研究方向有：序列比对、序列组装、基因识别、基因重组、蛋白质结构预测、基因表达、蛋白质反应的预测，以及创建进化模型。

生物学技术往往生成大量的嘈杂数据。与数据挖掘类似，生物信息学利用数学工具从大量数据中提取有用的生物学信息。生物信息学所要处理的典型问题包括：重新组装在霰弹枪测序法测序过程中被打散的DNA序列，从蛋白质的氨基酸序列预测蛋白质结构，利用mRNA微阵列或质谱仪的数据检验基因调控的假说。

某些人将计算生物学作为生物信息学的同义词处理；但是另外一些人认为计算生物学和生物信息学应当被当作不同的条目处理，因为生物信息学更侧重于生物学领域中计算方法的使用和发展，而计算生物学强调应用信息学技术对生物学领域中的假说进行检验，并尝试发展新的理论。

Biomedizinische Datenwissenschaft ist ein multidisziplinäres Gebiet, das große Datenmengen nutzt, um biomedizinische Innovation und Entdeckung zu fördern. Biomedizinische Datenwissenschaft stützt sich auf verschiedene Bereiche, darunter Biostatistik, biomedizinische Informatik und maschinelles Lernen, mit dem Ziel, biologische und medizinische Daten zu verstehen. Sie kann als die Untersuchung und Anwendung der Datenwissenschaft zur Lösung biomedizinischer Probleme betrachtet werden. Moderne biomedizinische Datensätze weisen oft spezifische Merkmale auf, die ihre Analyse erschweren, darunter:

Große Anzahl von Merkmalen (manchmal Milliarden), die in der Regel viel größer sind als die Anzahl der Proben (in der Regel Dutzende oder Hunderte)
Verrauschte und fehlende Daten
Bedenken hinsichtlich des Datenschutzes (z. B. Vertraulichkeit elektronischer Gesundheitsdaten)
Erfordernis der Interpretierbarkeit durch Entscheidungsträger und Aufsichtsbehörden
Viele biomedizinische Datenforschungsprojekte wenden maschinelles Lernen auf solche Datensätze an, was die biomedizinische Datenforschung zu einem besonderen Bereich macht, auch wenn diese Merkmale auch in vielen anderen datenwissenschaftlichen Anwendungen zu finden sind.