## TurboQuant:快速、数据无关的向量搜索 TurboQuant 是一种新颖的、非官方的 Rust 实现(通过 PyO3 提供 Python 绑定),用于高维向量的近似最近邻搜索。它实现了显著的压缩——低至每坐标 2-4 位——同时保持最小的失真,并且**不需要任何训练数据**。这与需要训练阶段的方法(如 FAISS 产品量化)形成对比。 基准测试表明,TurboQuant 的速度与 FAISS 相当,有时甚至更快,尤其是在 ARM(Apple Silicon)架构上。在 4 位量化下,TurboQuant 始终能比 FAISS 获得更高的召回率。压缩比非常可观(与 FP32 相比,压缩比为 8-16 倍)。 TurboQuant 的工作原理是标准化向量,应用随机旋转以使坐标分布可预测,然后使用 Lloyd-Max 量化。其主要优势在于能够在线添加新向量而无需重建索引。性能提升得益于优化的 SIMD 内核(NEON/AVX2)和高效的评分技术。该项目由一个核心 Rust crate (`turbovec`) 和一个 Python 封装器 (`turbovec-python`) 组成。
## 找回专注:单屏幕实验
作者一直苦于无法保持专注,经常陷入被动“救火”的循环,导致身心俱疲,过度依赖咖啡因。为了寻找解决方案,他们尝试恢复到使用单个笔记本电脑屏幕,回忆起过去因停电等原因被迫使用这种设置的经历。
令人惊讶的是,这次实验——得益于改进的笔记本电脑屏幕技术和软件缩放——取得了成功。移除更大显示器的干扰,鼓励了有目的性的工作,并减少了多任务处理,这与过去用于从倦怠中恢复的技术相似。虽然客观衡量专注度很困难,但作者报告说,专注度有了明显改善。
除了专注力之外,这种改变还降低了功耗,并消除了一个有问题USB-C扩展坞的问题。成功的关键在于正确的人体工学:笔记本电脑支架和外接键盘/鼠标至关重要。最终,作者发现,简单——电源和以太网——就是高效工作所需的一切。游戏仍然是一个例外,受益于更大的显示屏带来的沉浸感。
该模型分析使用太阳能、电池储能和备用发电供电的成本,利用丹麦能源署的数据。它基于“model.energy”框架,不包括氢能存储,并针对不同水平的备用依赖性(1-10%)进行优化。
主要假设包括96%的电池往返效率、2030年177欧元/千瓦和2050年66欧元/千瓦的逆变器成本,以及灵活的备用成本结构,允许用户调整投资和燃料支出。该模型通过将优化的太阳能-电池成本与单独计算的备用成本相加来计算总成本,考虑投资、燃料和运营费用。
结果表明,总成本对备用燃料价格以及太阳能/电池覆盖的负载百分比(x)非常敏感。更高的燃料成本和更大的“x”值会增加总体费用。该分析涵盖了9196个有人居住的1°x1°像素,代表了全球99.86%的人口,主要位于赤道45°范围内。与之前的研究不同,该模型固定负载覆盖率并优化容量,而不是固定容量并改变位置。