开发者社区技术周刊又和大家见面了，萌妹子主播为您带来最新一期“开发者技术联播”。让咱们一起听听，过来一周有哪些值得咱们开发者关注的重要新闻吧。

  • 国家超算深圳核心打算2年内晋升计算能力至多1000倍
  • T-Mobile扩充更快中频5G网络 覆盖范围简直翻一倍
  • 苹果正研发iMac处理器A14T 采纳台积电5nm工艺制作
  • MongoDB Atlas现反对多云数据库集群
  • 维基媒体将代码库迁徙到 GitLab
  • GPT-GNN：图神经网络的生成式预训练
  • 图神经网络时代的深度聚类

技 术 要 闻

Industry   News

1， 京东智联云4篇论文入选国内语音顶级大会Interspeech 2020

近日，国内语音顶级会议Interspeech 2020在线上举办。京东人工智能研究院有4篇论文怀才不遇，胜利入选本次大会。别离在声音事件定位与检测、语音去混响、语音验证零碎、神经网络声码器等畛域获得冲破。Interspeech 2020是由国内语音通信协会ISCA组织的语音钻研畛域的顶级会议之一，是寰球最大的综合性语音信号处理畛域的科技盛会。该会议每年举办一次，往年大会是第21届INTERSPEECH会议，也是第二次在中国举办。本届会议以“Cognitive Intelligence for Speech Processing”为主题，内容涵盖信号处理、语音辨认、自然语言解决、神经机器翻译等畛域。

2，国家超算深圳核心打算2年内晋升计算能力至多1000倍

从国家超级计算深圳核心获悉，以后高技术畛域角逐的焦点之一的E级计算机行将落户深圳，打算至 2022 年，该核心计算能力将至多晋升 1000 倍，为湾区基础科学钻研、云计算、大数据和人工智能提供反对。目前，超算核心二期建设正在推动，包含E级机研制、新园区建设、利用生态建设三大部分。

3，T-Mobile扩充更快中频5G网络 覆盖范围简直翻一倍

据国外媒体报道，美国电信运营商T-Mobile发表了拓展其2.5GHz中频段5G网络，该网络目前在数十个新城市中可用，相比去年9月底一次次要中频段，覆盖范围减少靠近一倍。T-Mobile示意，它当初曾经在美国近410个城市和乡镇取得了5G中频反对。T-Mobile的5G网络将其宽泛应用的600mhz 低频网络(覆盖范围覆盖全国范畴，但在速度晋升方面不迭 LTE)与更快的2.5 GHz网络以及超快的mmWave网络(速度最快，但覆盖范围最差)联合在一起。T-Mobile打算持续踊跃的中频段5G扩大，指标是到2020年底笼罩1亿人。

4，苹果正研发iMac处理器A14T 采纳台积电5nm工艺制作

在6月22日揭幕的寰球开发者大会（WWDC）上，苹果公司颁布了基于ARM架构的自研Mac处理器打算，并发表首款基于自研处理器的Mac，打算今年年底开始出货，在将来的两年实现过渡，届时Mac产品线就将全副采纳苹果自研处理器。而从外媒最新的报道来看，除了自研用于Mac笔记本电脑的处理器，苹果还在研发用于桌面电脑iMac的处理器，明年年初推出的iMac预计就会采纳。苹果正在研发的桌面电脑处理器是A14T，预计在2021年推出。此外，苹果自研的GPU，也将在2021年推出，这也就意味着苹果明年新推出的iMac，无望同时搭载苹果自研的中央处理器和图形处理器。

5，MongoDB Atlas现反对多云数据库集群

新的MongoDB Atlas多星散群性能已于上周二全面推出，并扩大了该公司现有的云数据库产品。这个新的多星散群反对不只是在不同的云提供商上运行托管的MongoDB数据库，在此次更新中，MongoDB还容许用户同时在多个云提供商之间运行数据库，这在此前很难实现。451 Research高级钻研分析师James Curtis对此示意：“对于很多企业来说，作为一种风行的数据库抉择，MongoDB通过Atlas反对多云很有意义，他们的客户须要这种反对，即便他们当初没有提出要求，未来也会提出这个要求。”然而，Curtis指出，多云对不同企业可能有不同的含意。他认为，现实情况是，多云可能最好地满足指标工作负载，例如高可用性、备份和业余剖析，这也是MongoDB在此Atlas更新中的重点。

6，维基媒体决定将代码库迁徙到 GitLab

维基媒体基金会决定将其代码库从 Gerrit 迁徙到自托管的 GitLab 社区版。维基媒体称，过来两年的开发者满意度考察显示对代码审查零碎 Gerrit 的不满有点高，志愿者社区对其不满尤其高。越来越多的集体和团队放弃应用 Gerrit 改用第三方托管选项 GitHub。这些证据显示 Gerrit 没有促成开发而是放缓了开发，如果不能解决 Gerrit 上的可用性问题，开发者将会抉择在他们偏爱的平台上构建我的项目。维基媒体公布工程团队在考察和评估之后抉择迁徙到 GitLab，GitLab 容许自托管，提供了 MIT 受权的社区版，合乎基金会的自在和开源准则。

学 术 前 沿

Academic News

1，GPT-GNN：图神经网络的生成式预训练

机器学习的胜利很大水平上取决于数据。但高质量的标记数据通常很低廉且难以获得，尤其是对于心愿训练参数较多的模型。而绝对的咱们却能够很容易地获取大量的无标记数据，其数量能够是标记数据的数千倍。例如，在社交网络上进行异样检测时，歹意帐户的标注须要依赖于专家常识，数量较小，而整个网络的规模却能够达到十亿规模。 

为了解决标注数据较少，尽可能利用其无标注数据，一个惯例的做法是自监督的预训练（self-supervised pre-training）。其指标是设计正当的自监督工作，从而使模型能从无标注数据里学得数据的信息，作为初始化迁徙到上游工作中。因为指标工作中很多的常识曾经在预训练中学到，因而通过预训练，咱们只须要十分大量的标注数据，就能失去较好的泛化性能。

论文链接：https://arxiv.org/abs/2006.15437

2，图神经网络时代的深度聚类

聚类是机器学习/数据挖掘的一个基础性问题。从传统聚类到深度聚类以及当初图神经网络赋能的聚类， 各种各样的聚类算层出不穷，也在很多畛域失去了宽泛的利用。思考到图神经网络对构造信息的捕捉能力，在波及到群体构造的聚类工作上，本篇文章所介绍的聚类算法应该会获得更大的晋升。 

论文链接：https://arxiv.org/abs/1906.06532

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

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