Ch20 前沿 AI · 考研/期末复习大纲¶
承接 Ch19 口诀: "Ch19 给应用落地 — 金融/蛋白/药物/Agent/医疗. Ch20 给前沿展望 — 量子/神经形态/太空/去中心化/BMI。" 跨章承接: Ch02 §04 矩阵 → Ch20 §01 量子; Ch07 §04 Transformer → Ch20 §05 BMI 解码; Ch18 §04 ML 平台 → Ch20 §04 去中心化
一 · 考点分级速览 (🔴 8 / 🟡 12 / 🟢 6 / ⭐ 6, 共 32 考点)¶
| 考频 | 考点 | 章节 |
|---|---|---|
| 🔴 | Qubit 与经典 bit | §01 |
| 🔴 | VQE 算法 | §01 |
| 🔴 | QAOA | §01 |
| 🔴 | 神经形态优势 | §02 |
| 🔴 | SNN 与 ANN 区别 | §02 |
| 🔴 | 太空数据中心优势 | §03 |
| 🔴 | 联邦学习与去中心化 | §04 |
| 🔴 | BCI 信号采集 | §05 |
| 🟡 | 量子纠缠 | §01 |
| 🟡 | Shor 算法 | §01 |
| 🟡 | SpiNNaker / Loihi | §02 |
| 🟡 | Spike 编码 | §02 |
| 🟡 | 辐射加固 | §03 |
| 🟡 | BitTensor / NEAR | §04 |
| 🟡 | 模型市场 | §04 |
| 🟡 | 联邦 vs 区块链 | §04 |
| 🟡 | Neuralink | §05 |
| 🟡 | EEG vs ECoG vs 侵入 | §05 |
| 🟡 | 解码算法 | §05 |
| 🟢 | IBM Q | §01 |
| 🟢 | Google Sycamore | §01 |
| 🟢 | TrueNorth (IBM) | §02 |
| 🟢 | 太空冷却 | §03 |
| 🟢 | OpenLedger | §04 |
| 🟢 | fMRI / MEG | §05 |
| ⭐ | 拓扑量子 | §01 |
| ⭐ | 量子优越性 | §01 |
| ⭐ | 神经形态软件栈 | §02 |
| ⭐ | LEO 卫星 AI | §03 |
| ⭐ | Web3 + AI | §04 |
| ⭐ | 双向 BMI | §05 |
二 · 概念关系图¶
三 · 必考点精讲¶
🔴F1: Qubit¶
量子比特, 0/1 叠加态: \(|\psi\rangle = \alpha|0\rangle + \beta|1\rangle\), \(|\alpha|^2 + |\beta|^2 = 1\)。
🔴F2: VQE¶
变分量子特征求解器: - 量子电路参数化 - 经典优化参数 - 找基态能量
适用: 小分子, 量子化学。
🔴F3: QAOA¶
量子近似优化算法: - 解决组合优化 (e.g., MaxCut) - 量子 + 经典混合
🔴F4: 神经形态¶
- 模拟大脑神经元的脉冲 (spike)
- 事件驱动, 低功耗
- 代表: Intel Loihi, IBM TrueNorth, SpiNNaker
🔴F5: SNN vs ANN¶
- ANN: 连续激活, 同步计算
- SNN: 脉冲稀疏, 异步计算, 节能
🔴F6: 太空数据中心¶
- 太阳能 24h
- 真空冷却 (无对流)
- 辐射加固
代表: Google Project Suncatcher, Lumen Orbit, Starcloud。
🔴F7: 去中心化 AI¶
- 联邦学习 (Ch19 §05)
- 区块链激励
- 模型市场 (BitTensor, NEAR)
🔴F8: BCI¶
- 侵入 (Neuralink): 高信噪比, 需手术
- 非侵入 (EEG): 易用, 低信噪比
- ECoG: 中间方案
四 · 公式卡片¶
量子¶
\[|\psi\rangle = \alpha|0\rangle + \beta|1\rangle$$
$$|\alpha|^2 + |\beta|^2 = 1\]
量子门¶
\[H|0\rangle = \frac{1}{\sqrt{2}}(|0\rangle + |1\rangle)\]
神经形态¶
\[E_{\text{spike}} \propto N_{\text{spikes}} \times C_{\text{per-spike}}$$
$$E_{\text{ANN}} \gg E_{\text{SNN}}\]
太空¶
\[P_{\text{solar}} = A_{\text{panel}} \times \eta \times 1361 \text{ W/m²}\]
BMI¶
\[y_t = f(\text{NeuralSignal}_t, \theta)$$
$$\theta = \arg\min_\theta \sum_t (y_t - y^*_t)^2\]
联邦¶
\[\theta_{t+1} = \theta_t - \eta \nabla L_{\text{local}}\]
五 · 跨章综合题¶
| # | 题型 | 涉及的章 | 难度 |
|---|---|---|---|
| 综合1 | Ch02 + Ch20 §01 量子 + 矩阵 | Ch02+Ch20 | ★★★ |
| 综合2 | Ch07 + Ch20 §05 BMI 解码 | Ch07+Ch20 | ★★★ |
| 综合3 | Ch19 + Ch20 §04 联邦 + 去中心化 | Ch19+Ch20 | ★★★ |
| 综合4 | Ch08 + Ch20 §01 量子 + Diffusion | Ch08+Ch20 | ★★★ |
| 综合5 | Ch13 + Ch20 §03 太空数据中心 | Ch13+Ch20 | ★★ |
| 综合6 | Ch12 + Ch20 §02 神经形态 + GNN | Ch12+Ch20 | ★★★ |
| 综合7 | Ch05 + Ch20 §04 区块链 + 概率 | Ch05+Ch20 | ★★ |
六 · 自测题 (15 题)¶
- Qubit 与 bit 区别?
- VQE 用途?
- QAOA 适用?
- 神经形态优势?
- SNN vs ANN?
- 太空数据中心 3 优势?
- 联邦 vs 区块链?
- BitTensor 是什么?
- BCI 侵入 vs 非侵入?
- Neuralink 现状?
七 · 易错点¶
- Qubit: 测量后塌缩, 不是真"并行"。
- VQE: 当前硬件规模有限 (~100 qubit)。
- 神经形态: 不是 GPU 替代品, 适用特定任务。
- 太空数据中心: 仍是早期, 商业化 2030+。
- BMI: 当前主要是单向读取, 写入难。
八 · 速记口播版 (60s)¶
Ch20 共 5 节: §01 量子 ML (Qubit/VQE/QAOA) → §02 神经形态 (SpiNNaker/Loihi/SNN) → §03 太空数据中心 (低重力 + 太阳能) → §04 去中心化 AI (区块链 + 模型市场) → §05 脑机接口 (Neuralink/BCI/解码)。是 AI 前沿展望的"未来"课。