Фьючерсы
Доступ к сотням фьючерсов
TradFi
Золото
Одна платформа мировых активов
Опционы
Hot
Торги опционами Vanilla в европейском стиле
Единый счет
Увеличьте эффективность вашего капитала
Демо-торговля
Введение в торговлю фьючерсами
Подготовьтесь к торговле фьючерсами
Фьючерсные события
Получайте награды в событиях
Демо-торговля
Используйте виртуальные средства для торговли без риска
Запуск
CandyDrop
Собирайте конфеты, чтобы заработать аирдропы
Launchpool
Быстрый стейкинг, заработайте потенциальные новые токены
HODLer Airdrop
Удерживайте GT и получайте огромные аирдропы бесплатно
Launchpad
Будьте готовы к следующему крупному токен-проекту
Alpha Points
Торгуйте и получайте аирдропы
Фьючерсные баллы
Зарабатывайте баллы и получайте награды аирдропа
Инвестиции
Simple Earn
Зарабатывайте проценты с помощью неиспользуемых токенов
Автоинвест.
Автоинвестиции на регулярной основе.
Бивалютные инвестиции
Доход от волатильности рынка
Мягкий стейкинг
Получайте вознаграждения с помощью гибкого стейкинга
Криптозаймы
0 Fees
Заложите одну криптовалюту, чтобы занять другую
Центр кредитования
Единый центр кредитования
Еще
Китайское программное обеспечение побило мировой рекорд по масштабам моделирования молекулярной динамики
MarS-экономика сообщает, 2 апреля. В последнее время платформа MatPL для машинного обучения в силовом поле Dragon Xun Kuang Teng задействовала отечественный суперкомпьютерный кластер из отечественных «wan ka» на базе сверхвычислительной интернет-инфраструктуры на ключевых узлах, чтобы выполнить моделирование молекулярной динамики молекул жидкой воды в масштабе 41,47 млрд атомов. Этот результат обновил мировой рекорд по масштабам моделирования молекулярной динамики; впервые на масштабе 700 нанометров стало возможным проводить исследования с атомной точностью для сложных новых материалов, интерфейсов в батареях, биомакромолекул и т.п. Это стало очередным обновлением мирового рекорда после результатов моделирования на 29 млрд атомов благодаря совместной работе отечественных программных и аппаратных средств; тем самым было существенно расширено предельное масштабирование для моделирования на машинном обучении силовых полей (MLFF), а также доказана реализуемость пути к полностью отечественной экосистеме научно-исследовательского симуляционного ПО в эпоху AI. (Всевидящий обзор)