Deutsch-Chinesische Enzyklopädie, 德汉百科
Science and technology
Education and Research
Important disciplines
维塔利·拉扎列维奇·金兹堡（俄语：Виталий Лазаревич Гинзбург，罗马化：Vitaly Lazarevich Ginzburg，1916年10月4日—2009年11月8日），苏联著名理论物理学家和天体物理学家。
Witali Lasarewitsch Ginsburg (russisch Виталий Лазаревич Гинзбург; * 21. Septemberjul. / 4. Oktober 1916greg. in Moskau; † 8. November 2009 ebenda) war ein russischer Physiker. 2003 erhielt er „für bahnbrechende Arbeiten in der Theorie über Supraleiter und Supraflüssigkeiten“ den Nobelpreis für Physik.
沃尔夫数学奖（Wolf Prize in Mathematics）是沃尔夫奖的一个奖项，因为数学界的最高荣誉菲尔兹奖只每4年颁给40岁以下的数学家，此奖项在阿贝尔奖出现之前被认为是最接近诺贝尔奖的奖项
Der Wolf-Preis für Mathematik wird fast jährlich von der Wolf-Stiftung in Israel verliehen. Er ist einer der sechs Wolf-Preise, die von der Stiftung eingerichtet und seit 1978 vergeben werden; die anderen sind in den Bereichen Landwirtschaft, Chemie, Medizin, Physik und Kunst. Laut einer 2013 und 2014 durchgeführten Reputationserhebung ist der Wolf-Preis für Mathematik nach dem Abel-Preis und der Fields-Medaille die drittwichtigste internationale akademische Auszeichnung in der Mathematik und war bis zur Einführung des Abel-Preises wahrscheinlich das nächstliegende Äquivalent zu einem "Nobelpreis für Mathematik", da die Fields-Medaille alle vier Jahre nur an Mathematiker unter 40 Jahren verliehen wird.
沃尔夫冈·克特勒（Wolfgang Ketterle，1957年10月21日－）是一位德国物理学家，现任麻省理工学院物理学教授。他的研究专注在冷原子的捕捉，以使这些原子接近绝对零度。在1995年时，他所领导的团队，成为首先获得玻色-爱因斯坦凝聚的团队之一。由于这些研究，使他与埃里克·康奈尔以及卡尔·威曼，因“在碱金属原子稀释气体中（制成）玻色-爱因斯坦凝聚的成就，以及关于凝聚特性的早期基础研究”，共同获颁2001年诺贝尔物理学奖，三人平分奖金。
Wolfgang Ketterle (deutsche Aussprache: [ˈvɔlfɡaŋ ˈkɛtɐlə] (hören); geboren am 21. Oktober 1957) ist ein deutscher Physiker und Professor für Physik am Massachusetts Institute of Technology (MIT). Seine Forschung konzentriert sich auf Experimente, bei denen Atome eingefangen und auf Temperaturen nahe dem absoluten Nullpunkt abgekühlt werden, und er leitete 1995 eine der ersten Gruppen, die die Bose-Einstein-Kondensation in diesen Systemen realisierten. Für diese Leistung sowie für frühe grundlegende Studien über Kondensate erhielt er 2001 zusammen mit Eric Allin Cornell und Carl Wieman den Nobelpreis für Physik.
IT-Times
History
世界模型是一种生成模型，通过学习来表现和模拟环境。这些模型不依赖于预定义的标签，而是捕捉环境的动态并预测未来的状态。这使得人工智能系统能够对世界形成丰富的内部理解，类似于人类利用心理模拟来预测结果和做出决策。
世界模型由三种基本能力组成：
表征学习： 将高维感官数据（如图像、文本或视频）压缩为有意义的低维表征。
预测： 根据过去和现在的数据预测环境的未来状态。
规划和决策： 利用学习到的模型模拟不同的行动，并选择最佳行动方案。
Weltmodelle sind generative Modelle, die lernen, eine Umgebung darzustellen und zu simulieren. Anstatt sich auf vordefinierte Bezeichnungen zu verlassen, erfassen diese Modelle die Dynamik einer Umgebung und sagen zukünftige Zustände voraus. Dadurch können KI-Systeme ein umfassendes internes Verständnis der Welt entwickeln, ähnlich wie Menschen mentale Simulationen nutzen, um Ergebnisse vorherzusagen und Entscheidungen zu treffen.
Ein Weltmodell besteht aus drei grundlegenden Fähigkeiten:
Repräsentationslernen: Komprimierung hochdimensionaler sensorischer Daten (z. B. Bilder, Texte oder Videos) in eine aussagekräftige niedrigdimensionale Darstellung.
Vorhersage: Vorhersage des zukünftigen Zustands der Umgebung auf der Grundlage vergangener und gegenwärtiger Daten.
Planung und Entscheidungsfindung: Verwendung des gelernten Modells, um verschiedene Aktionen zu simulieren und die beste Vorgehensweise zu wählen.
World models are generative models that learn to represent and simulate an environment. Instead of relying on predefined labels, these models capture the dynamics of an environment and predict future states. This allows AI systems to develop a rich internal understanding of the world, akin to how humans use mental simulations to predict outcomes and make decisions.
A world model consists of three fundamental abilities:
Representation Learning: Compressing high-dimensional sensory data (e.g., images, text, or video) into a meaningful lower-dimensional representation.
Prediction: Forecasting the future state of the environment based on past and present data.
Planning and Decision-Making: Using the learned model to simulate different actions and choose the best course of action.
Architecture of World Models
A typical world model consists of three key components:
1. Vision Model (V): Perception and Representation Learning
- Uses a Variational Autoencoder (VAE) or similar architecture to encode high-dimensional inputs (like images or video frames) into a latent space.
- This compressed representation (latent vector z) captures essential features of the environment while filtering out irrelevant noise.
2. Memory Model (M): Learning Dynamics and Prediction
- Uses a Recurrent Neural Network (RNN) or a Transformer to model temporal dependencies in the environment.
- Often implemented with a Mixture Density Network (MDN-RNN), which predicts the probability distribution of future states.
- Helps the AI learn how actions influence the next state, allowing it to forecast future scenarios.
3. Controller ©: Decision-Making and Planning
- A lightweight policy network that uses the world model’s representations to decide actions.
- Instead of learning from raw data, it operates within the simulated environment created by the world model, making training more efficient.
This modular approach allows world models to be trained independently of the controller, leading to faster learning and more robust decision-making.
Real-World Applications of World Models
World models are revolutionizing multiple fields, from robotics to reinforcement learning and beyond. Let’s look at some fascinating applications.
1. Reinforcement Learning and Video Games
One of the most famous demonstrations of world models was by David Ha & Jürgen Schmidhuber in their paper “World Models”. They trained an AI to play the Car Racing game and VizDoom using an internal world model instead of direct reinforcement learning. The AI learned to predict game states, simulate different strategies, and then execute the best one — leading to more efficient learning.
2. Autonomous Vehicles
Self-driving cars rely on world models to simulate traffic dynamics, road conditions, and pedestrian behavior. Instead of just reacting to sensor inputs, a self-driving car with a world model can predict potential hazards, plan routes, and make safer decisions.
3. Robotics
Robots trained with world models can imagine and simulate different ways to accomplish a task before actually performing it. This is particularly useful in scenarios where real-world training is expensive or dangerous, such as industrial automation or space exploration.
4. Scientific Discovery and Medicine
World models are being explored in genomics, drug discovery, and climate modeling. For example, AI-driven simulations can help predict protein folding, design new materials, or simulate climate changes over decades.
The Future of World Models
World models have immense potential, but they also face challenges:
- Model Accuracy: Imperfect models can lead to unrealistic simulations.
- Scalability: Current architectures still struggle with long-term memory and high-dimensional data.
- Generalization: Ensuring that learned world models generalize to real-world settings is an ongoing research challenge.
Das World Wide Web [ˌwɜːldˌwaɪdˈwɛb] (
Anhören?/i) (englisch für „weltweites Netz“, kurz Web oder WWW) ist ein über das Internet abrufbares System von elektronischen Hypertext-Dokumenten, sogenannten Webseiten, welche mit HTML beschrieben werden. Sie sind durch Hyperlinks untereinander verknüpft und werden im Internet über die Protokolle HTTP oder HTTPS übertragen. Die Webseiten enthalten meist Texte, oft mit Bildern und grafischen Elementen illustriert. Häufig sind auch Videos, Tondokumente oder Musikstücke eingebettet.
万维网（英语：World Wide Web）亦作WWW、Web、全球广域网，是一个透过互联网访问的，由许多互相链接的超文本组成的信息系统[1]。英国科学家蒂姆·伯纳斯-李于1989年发明了万维网。1990年他在瑞士CERN的工作期间编写了第一个网页浏览器[2][3]。网页浏览器于1991年1月向其他研究机构发行，并于同年8月向公众开放。
万维网是信息时代发展的核心，也是数十亿人在互联网上进行交互和浏览器的主要工具[4][5][6]。网页主要是文本文件格式化和超文本置标语言（HTML）。除了格式化文字之外，网页还可能包含图片、视频、声音和软件组件，这些组件会在用户的网页浏览器中呈现为多媒体内容的页面。
万维网并不等同互联网，万维网只是互联网所能提供的服务其中之一，是靠着互联网运行的一项服务。
Aerospace
Astronomy
Wresat (Abkürzung für: Weapons Research Establishment Satellite) ist die Bezeichnung des ersten australischen Satelliten. Er wurde am 29. November 1967 mit einer modifizierten amerikanischen Rakete vom Typ Redstone vom Weltraumbahnhof Woomera gestartet.
Wresat wog 45 Kilogramm und hatte die Form eines Kegels mit einer Länge von 1,59 Metern und einem Basisdurchmesser von 0,76 Metern. Er blieb mit der dritten Raketenstufe verbunden und besaß mit ihr eine Gesamtlänge von 2,17 Metern. Wresat umkreiste die Erde auf einer fast polaren Bahn, bis er nach 642 Erdumläufen am 10. Januar 1968 über den Atlantik in der Erdatmosphäre verglühte. Der batteriebetriebene Satellit sendete während 73 Erdumkreisungen Daten.
Wresat（武器研究机构卫星的缩写）是澳大利亚第一颗卫星的名称。它于 1967 年 11 月 29 日由一枚改装的美国红石火箭从伍默拉航天发射场发射升空。
Wresat 卫星重 45 公斤，呈圆锥形，长 1.59 米，底部直径 0.76 米。它与第三级火箭保持连接，总长度为 2.17 米。Wresat 卫星以近乎极地的轨道环绕地球运行，直到 1968 年 1 月 10 日在大西洋上空的地球大气层中燃烧殆尽，共运行了 642 个轨道。这颗由电池供电的卫星在 73 个轨道上传输了数据。
日（≒365.24461日）、1
日（≒29.530601日）。
Röntgenstrahlung oder Röntgenstrahlen sind elektromagnetische Wellen mit Quantenenergien oberhalb etwa 100 eV, entsprechend Wellenlängen unter etwa 10 nm. Röntgenstrahlung liegt im elektromagnetischen Spektrum im Energiebereich oberhalb des ultravioletten Lichts. Von der Gammastrahlung unterscheidet sie sich durch die Art der Entstehung: Gammastrahlung sind Photonen, die durch Kernreaktionen oder radioaktive Zerfälle entstehen, während Röntgenstrahlung aus der Geschwindigkeitsänderung geladener Teilchen herrührt.
Die Röntgenstrahlung wurde am 8. November 1895 von Wilhelm Conrad Röntgen in Würzburg entdeckt und wird nach ihm im deutschsprachigen sowie fast im gesamten mittel- und osteuropäischen Raum benannt. In anderen Sprachräumen wird sie häufig mit dem von Röntgen ursprünglich selbst verwendeten Ausdruck X-Strahlen bezeichnet. Röntgenstrahlung ist eine ionisierende Strahlung.
X射线（英语：X-ray），又称X光、爱克斯射线、爱克斯光，也称作伦琴射线或伦琴光（Röntgen radiation），清朝时曾称照骨术[1]，是一种波长范围在0.01纳米到10纳米之间（对应频率范围30 PHz到30EHz）的电磁辐射形式。X射线最初用于医学成像诊断和X射线晶体学。X射线也是电离辐射等这一类对人体有危害的射线。X射线波长范围在较短处与伽马射线较长处重叠。
Connecticut-CT
Companies
