开发者社区技术周刊又和大家见面了，萌妹子为您带来最新一期“开发者技术周报”。让咱们一起看看，过来一周有哪些值得咱们开发者关注的重要新闻吧。
- 京东智能供应链决策引擎全面凋谢
- LinkedIn 开源 Dagli，公布 Java 机器学习函数库
- PayPal 发表反对所有美国用户交易加密货币
- SpaceX 已获准在加拿大提供星链卫星互联网服务
- AppleWatch 新性能：或可打断噩梦且不唤醒用户
- Intel 公布首款服务器独立显卡：单卡四芯、云游戏+流媒体
- KDD 2020 开源论文 | 图神经网络多变量时序预测
- 将图卷积神经网络用于解码分子生成
技 术 要 闻
Industry News
1、京东智能供应链决策引擎全面凋谢
周伯文博士指出，经济全球化和数智化时代的到来，正在推动供应链进行历史性的改革。尤其是在易变性、不确定性、复杂性和模糊性相互交织的 VUCA 时代，如新冠疫情带来的产品价格稳定、交货周期缩短、新产品竞争力不清晰等影响，给齐全依靠于教训和流程的传统供应链决策带来微小的挑战。随着全球化的供应链网络、消费市场的疾速变动以及人工智能等新兴技术的涌现，智能供应链应运而生。
2、LinkedIn 开源 Dagli，公布 Java 机器学习函数库
LinkedIn 最近开源了 Dagli，一个面向 Java (和其余 JVM 语言) 的机器学习库，让编写代码缩小 bug、可读、可批改、可保护和可部署的模型管道变得更加容易，而不会导致技术难题。对于有教训的数据科学家来说，Dagli 提供了一条通往可保护和可扩大的高性能、可生产的人工智能模型的路线，这些模型能够利用现有的 JVM 技术堆栈。对于教训较少的软件工程师来说，Dagli 提供了一个 API，能够与 JVM 语言和工具一起应用，这些语言和工具被设计用来防止典型的逻辑谬误。
3、PayPal 发表反对所有美国用户交易加密货币
有“美版支付宝”之称的领取平台 PayPal 最近发表，将反对所有美国账户交易加密货币。PayPal 在 10 月份首次发表打算向美国用户凋谢加密货币交易，但迄今为止，只对一小部分 PayPal 账户持有人凋谢。当初，这种状况将失去扭转。PayPal 示意，所有符合条件的用户都能够开始购买、发售和持有比特币、莱特币、以太坊和比特币现金等加密货币。
4、SpaceX 已获准在加拿大提供星链卫星互联网服务
据国外媒体报道，美国太空摸索技术公司 SpaceX 曾经取得加拿大监管机构的批准，可在该国境内提供星链卫星互联网服务。此前，在 10 月底，SpaceX 开始在美国对其星链互联网服务启动公开 beta 测试。当初，该公司已做好筹备，首次将该服务拓展到美国以外的地区。SpaceX 创始人、CEO 埃隆·马斯克（Elon Musk）示意，该公司将在几天后开始发送第一个 beta 测试版邀请。目前，SpaceX 的星链卫星互联网服务登陆加拿大的正式时间表还没有颁布。不过，因为该公司最近才开始对这项服务启动公开 beta 测试，所以该公司要在加拿大提供这项服务可能还须要几个月的工夫。
5、AppleWatch 新性能：或可打断噩梦且不唤醒用户
近日据外媒音讯，美国食品和药物管理局 FDA 批准了 NightWare 的销售，这是一款 Apple Watch 上的利用，能够帮忙医治由 PTSD 创伤后应激阻碍等疾病引起的噩梦。具体来说，这款利用将应用苹果智能手表的静止和心率数据来检测用户是否正在做噩梦，如果发现用户做噩梦，就会让手表腕带触动，以打断噩梦，但并不唤醒用户，从而使用户领有更好的睡眠。购买 NightWare 须要医生开具的处方，同时官网强调，这不是独立的医治办法，须要配合药物医治等多种零碎医治计划。
6、Intel 公布首款服务器独立显卡：单卡四芯、云游戏+流媒体
Intel 正式公布了其首款面向服务器数据中心的独立显卡，代号 SG1，正式名称就简略间接地叫做“服务器 GPU”(Server GPU)，基于 Xe LP 低功耗微架构，专为高密度、低时延的安卓云游戏、流媒体服务而设计。这也是 Intel 的第三款 Xe LP 架构独立显卡产品，此前已有面向轻薄本、台式机的 Iris Xe MAX(代号 DG1)，Tiger Lake、Rocket Lake 11 代酷睿处理器也都集成 Xe LP 架构的核芯显卡。Intel 强调，随着世界进入到数十亿智能设施的时代，数据量正在呈指数级增长，必须将重心从独自的 CPU，转移到跨 CPU、GPU、FPGA 和其余加速器的混合架构，也就是“XPU”愿景。
学 术 前 沿
Academic News
1. KDD 2020 开源论文 | 图神经网络多变量时序预测
多变量时序预测在经济、金融、生物信息和交通等畛域有广泛应用。相较于单变量时序预测，须要建模的问题更简单，因为每个变量不仅与其历史值无关，还要思考变量之间的依赖关系。然而，现有的多变量时序预测办法并没有无效地摸索变量之间的潜在空间依赖关系。统计办法如 VAR 和 GP 假如变量之间存在线性依赖关系，随着变量的减少，模型复杂度二次方增长，容易导致过拟合。
深度学习办法如 LSTNet [1] 和 TPA-LSTM [2]，尽管可能捕捉非线性关系，然而无奈明确地建模成对变量之间的依赖关系。图是一种数据结构，能够形容节点之间的关系。目前，图神经网络因为排列不变性、部分连贯以及组合性的特点，在解决图数据上获得较大的胜利。多变量时序预测从图视角来看，变量能够当作节点，它们通过隐层依赖关系相互连接。所以，图神经网络能够建模多变量时序预测，这也是这篇论文的次要出发点。
论文链接：https://arxiv.org/abs/2005.11650
2、 将图卷积神经网络用于解码分子生成
论文提出了一个分子生成主动编码器框架。分子图首先被编码成一个间断的潜在示意，而后再被解码回一个分子。编码过程很简略，但解码过程依然具备挑战性。在本工作中，论文介绍了一个简略的两步译码过程。第一步，一个齐全连贯的神经网络应用潜在的向量生成一个分子式，例如二氧化碳（一个碳和两个氧原子）。在第二步中，图形卷积神经网络应用雷同的潜在向量在第一步中产生的原子之间建设键（例如，将在碳和每个氧之间建设一个双键）。这个两步过程，首先生成一袋原子，而后组装，容许开发一个高效的分子主动编码器。
论文链接：https://arxiv.org/abs/1906.03412
以上信息来源于网络，由“京东智联云开发者”公众号编辑整理，不代表京东智联云立场
举荐浏览：
- TIOBE 11 月编程语言：Java 首次跌出前二：基于 Pytorch 的开源可微分计算机视觉库
- 京东智联云 4 篇论文入选国内语言顶会 Interspeech 2020；图神经网络的生成式预训练论文解读
- 京东自研联邦学习平台正式亮相；微软不会将 Windows 迁徙到 Linux
欢送点击 【京东智联云】，理解开发者社区
更多精彩技术实际与独家干货解析
欢送关注【京东智联云开发者】公众号