ประกาศ IBM Quantum Challenge e ถัดไป ที่ซึ่งคุณสามารถสร้างอนาคตควอนตัมที่ไม่ไกลนัก

ประกาศ IBM Quantum Challenge e ถัดไป ที่ซึ่งคุณสามารถสร้างอนาคตควอนตัมที่ไม่ไกลนัก

เครดิตฟรี

เริ่มตั้งแต่วันที่ 8 พฤศจิกายน เวลา 19:00 น. EST/วันที่ 9 พฤศจิกายน เวลา 9.00 น. JST เราจะจัดงานเขียนโปรแกรมควอนตัมแข่งขันเป็นเวลาสามสัปดาห์ที่เรียกว่า IBM Quantum Challenge: Programming for the Not-So-Distant Quantum Future ผู้เข้าร่วมจะได้เรียนรู้วิธีตั้งโปรแกรมอัลกอริทึมควอนตัมผ่านความท้าทายในการเรียนรู้สองสัปดาห์ และในสัปดาห์สุดท้ายจะจัดการกับปัญหาและแข่งขันกับผู้เข้าร่วมคนอื่นๆ เพื่อเขียนโปรแกรมที่มีประสิทธิภาพที่สุด นี่จะเป็นโอกาสที่ดีไม่เพียงแต่สำหรับโปรแกรมเมอร์ควอนตัมเท่านั้น แต่สำหรับทุกคนที่สนใจในการคำนวณควอนตัม สามารถสมัครเข้าร่วมได้ที่นี่

สล็อต

เราตกใจที่สนามนี้พัฒนาได้เร็วแค่ไหน 10 ปีที่แล้ว ฉันกำลังเรียนรู้อัลกอริธึมควอนตัมและพยายามเขียนวงจรควอนตัมให้มีประสิทธิภาพมากขึ้นโดยลดจำนวนเกท CNOT และคิวบิตเสริม ฉันคาดหวังว่าวงจรที่ฉันเสนอจะสามารถใช้งานได้กับฮาร์ดแวร์จริงภายในสิ้นปี 2020 ในความเป็นจริง วงจรนั้นถูกนำมาใช้ในปี 2019 โดยใช้ทั้งตัวนำยิ่งยวดและโฟโตนิก qubits ไม่เพียงแต่ฮาร์ดแวร์จริงจะก้าวหน้าไปอย่างรวดเร็วเท่านั้น แต่ชุมชนทั่วโลกก็เติบโตขึ้นควบคู่ไปกับมันด้วย ทุกวันนี้ สถาบันวิจัยกำลังจัดการแข่งขันการเขียนโปรแกรมควอนตัมในระดับที่ไม่สามารถจินตนาการได้เมื่อผมเข้าสู่วงการเป็นครั้งแรก ฉันดีใจที่ได้มีส่วนร่วมในเหตุการณ์ที่ท้าทายให้ผู้เข้าร่วมคิดค้นโครงสร้างข้อมูลที่เป็นนวัตกรรมและเทคนิคการเขียนโปรแกรมควอนตัม
บางคนบอกว่าคอมพิวเตอร์ควอนตัมยังอยู่ในช่วงเริ่มต้น เช่นเดียวกับคอมพิวเตอร์ในทศวรรษ 1950 อย่างไรก็ตาม มีความแตกต่างกันมาก: ชุมชนโอเพ่นซอร์สทั่วโลก เช่น Qiskit กำลังทำการวิจัยและพัฒนาคอมพิวเตอร์ควอนตัมอย่างแข็งขัน อีกทั้งนักวิจัยสามารถเข้าถึงอุปกรณ์เหล่านี้ผ่านคลาวด์ สิ่งนี้ทำให้ผู้คนจำนวนมากขึ้นสามารถเข้าสู่ภาคสนามและพัฒนาเทคโนโลยีได้ง่ายกว่าการคำนวณในปี 1950
ในปีที่ผ่านมา คอมพิวเตอร์ควอนตัมระดับกลางที่มีเสียงดังได้เติบโตเต็มที่ ในขณะที่อัลกอริธึมระยะใกล้ได้พัฒนาขึ้น อย่างไรก็ตาม จะใช้เวลาสองสามปีก่อนที่อุปกรณ์ที่สามารถใช้อัลกอริธึมที่ยาวขึ้นและมีประโยชน์มากขึ้นจะปรากฏขึ้น ความท้าทายในปีนี้คือการมองหาอุปกรณ์ในอนาคตเหล่านั้น และเราหวังว่าจะสามารถแก้ปัญหาที่อาจใช้งานกับโปรเซสเซอร์จริงไม่ได้เป็นเวลากว่าทศวรรษหรือมากกว่านั้น นอกจากนี้ เราหวังว่าจะนำเสนอความท้าทายในการเขียนโปรแกรมควอนตัมในอนาคตแก่ผู้เข้าร่วมรุ่นใหม่จำนวนมาก และเพื่อเร่งความก้าวหน้าของเทคโนโลยีการเขียนโปรแกรมควอนตัมผ่านความพยายามของพวกเขา
เพื่อให้คุณเข้าใจว่า IBM Quantum Challenge เป็นอย่างไร — และวิธีที่เราพยายามทำให้การเขียนโปรแกรมเชิงแข่งขันควอนตัมน่าตื่นเต้นและเข้าถึงได้สำหรับทุกคน — ฉันจะแนะนำคุณเกี่ยวกับปัญหาสุดท้ายของ IBM Quantum ความท้าทาย 2019:
ในฐานะนายกเทศมนตรีของเมือง คุณเชิญร้านค้าสะดวกซื้อหลายสาขาเข้ามาในเมือง แต่ร้านในเครือแต่ละแห่ง (ที่แสดงเป็นสี) ได้ขอให้คุณตรวจสอบให้แน่ใจว่าร้านค้าในเครือเดียวกันไม่ได้อยู่ติดกัน คุณสามารถจัดทำแผนเปิดร้านดังกล่าวได้หรือไม่?
กล่าวอีกนัยหนึ่ง เป้าหมายคือการให้สีโหนดเพื่อไม่ให้มีสีเดียวกันในโหนดที่อยู่ติดกัน หนังสือเรียนคอมพิวเตอร์ควอนตัมจำนวนมากมักแนะนำหัวข้อโดยใช้ปัญหานามธรรมที่กำหนดไว้ทางคณิตศาสตร์ แต่การประกวดนี้ใช้อัลกอริธึมควอนตัมเพื่อแก้ปัญหาที่รู้สึกว่าคุ้นเคยมากกว่า
หากฟังดูยาก โปรดวางใจ: IBM Quantum Challenge มีการแนะนำวงจรควอนตัมและอัลกอริทึมควอนตัมอย่างครบถ้วน เพื่อให้ผู้ที่มาใหม่ในสาขานี้สามารถแข่งขันกับโปรแกรมเมอร์คนอื่นๆ ได้อย่างเท่าเทียมกัน ความรู้เกี่ยวกับการคำนวณควอนตัมไม่ใช่ข้อกำหนดเบื้องต้น และใครก็ตามที่มีความรู้พื้นฐานเกี่ยวกับงูหลามสามารถเข้าร่วมได้ เช่นเดียวกับความท้าทายสุดท้าย ผู้เข้าร่วมจะแข่งขันโดยมีเป้าหมายเพื่อลดขนาดของโปรแกรมคอมพิวเตอร์ควอนตัมโดยใช้ดัชนีที่เรียกว่า “ต้นทุน” นี่เป็นการวัดที่ช่วยให้เราใช้อัลกอริทึมควอนตัมได้อย่างมีประสิทธิภาพสูงสุด
ผู้คนมากมายที่เราพบในงาน Quantum Challenge ปีที่แล้ว (และงาน Hackathon อื่นๆ) ก็อยู่ในแนวหน้าของชุมชน Quantum Computing ด้วย “Rainy Day Hacker” Rana เป็นเจ้าภาพQiskit Challenge Indiaและทีมนั้นก็ให้คำแนะนำที่เป็นประโยชน์มากมายสำหรับความท้าทายนี้เช่นกัน (ขอบคุณ!) ผู้ชนะ IBM Quantum Challenge 2019 “Whit3z” Naphan มาจากประเทศไทยในฐานะผู้สมัครระดับปริญญาเอก และเรารอคอยที่จะได้เห็นแอปพลิเคชันควอนตัมที่เขาจะสร้างในอนาคต เรามั่นใจว่าผู้เข้าร่วมคนอื่นๆ (ที่ไม่สามารถแนะนำที่นี่ได้) จะเป็นผู้นำควอนตัมรุ่นเยาว์ในประเทศของตนเช่นกัน
จำนวนโปรแกรมเมอร์ควอนตัมเพิ่มขึ้นอย่างรวดเร็ว แต่ก็ยังขาดแคลนอยู่ เราตั้งตารอที่ผู้เข้าร่วมในปีนี้จะได้พบกับความสุขของการเขียนโปรแกรมควอนตัมและเป็นผู้นำในการพัฒนาซอฟต์แวร์ควอนตัมรุ่นต่อไป
คิดล่วงหน้าว่าปัญหาใดบ้างที่คุณคิดว่าจะนำเสนอใน IBM Quantum Challenge ปี 2030 จะมีภาษาควอนตัมระดับสูงกว่านี้ในสมัยหรือไม่? (บางที อย่างน้อยฉันคิดว่าจะมี qubits เชิงตรรกะ หรืออย่างน้อย qubit ที่ควบคุมได้มากกว่า 32 ตัว และเราจะไม่ใช้เครื่องจำลอง) แล้วการเดินควอนตัมขนาดใหญ่ล่ะ อัลกอริทึมใหม่ที่ยังไม่ได้ค้นพบ? หรือจะมีปัญหาการระบายสีเหมือน Challenge 2019? บางทีอาจจะมีปัญหาที่ไม่สามารถจินตนาการได้ในขณะนี้ หวังว่าการมีส่วนร่วมที่ท้าทายมากขึ้นในวันนี้จะช่วยให้สาขานี้เติบโตเต็มที่และปูทางสำหรับความท้าทายในอนาคต
เราหวังว่าผู้เข้าร่วมในวันนี้จะคิดค้นปัญหาควอนตัมใหม่และจัดการแข่งขันที่หลากหลายเช่นเดียวกับการแข่งขันการเขียนโปรแกรมแบบคลาสสิก เราหวังว่าจะได้พบคุณในการแข่งขัน!
ฤดูร้อนที่ผ่านมา พวกเราบางคนในทีม Qiskit คิดถึงความหมายของชุมชนเป็นอย่างมาก เราจะเติบโตและเสริมสร้างชุมชนของเราในโลกที่ห่างไกลมากขึ้นได้อย่างไร และเราจะทำให้แน่ใจได้อย่างไรว่าชุมชนเป็นที่ต้อนรับทุกคนโดยไม่คำนึงถึงภูมิหลังของพวกเขา ส่วนหนึ่งของการสนทนาเหล่านี้ เราได้ตัดสินใจปรับปรุงหลักจรรยาบรรณใหม่ เพื่อให้พื้นที่ Qiskit ปลอดภัยและยินดีต้อนรับทุกคนที่หวังจะมีส่วนร่วม

สล็อตออนไลน์

Qiskit ไม่ใช่ชุมชนโอเพ่นซอร์สโดยเฉลี่ยของคุณ สมาชิกของเรากระจายอยู่ทั่วโลก และรวมถึงผู้ใช้ตั้งแต่นักเรียนมัธยมปลายที่สนใจควอนตัมไปจนถึงทหารผ่านศึกควอนตัมที่ช่ำชองด้วยปริญญาเอก บางคนใช้ Qiskit เป็นครั้งคราวในห้องปฏิบัติการ ในขณะที่ทีมผู้สนับสนุนกำลังทำงานอย่างแข็งขันเพื่อปรับปรุงซอฟต์แวร์หรือสร้างการสาธิตอย่างละเอียดสำหรับเพื่อนร่วมงาน Qiskitters โต้ตอบบน Twitter, Slack, GitHub และในงานอีเวนต์แบบตัวต่อตัว ซึ่งหลักจรรยาบรรณที่เข้มงวดมีความสำคัญเป็นพิเศษ ชุมชนที่น่าทึ่งนี้ยินดีต้อนรับทุกคน โดยไม่คำนึงถึงระดับประสบการณ์ของพวกเขา แต่เช่นเดียวกับชุมชนอื่นๆ เราต้องแน่ใจว่าเรามีชุดของกฎพื้นฐานเพื่อให้แน่ใจว่าสมาชิกในชุมชนของเราทุกคนรู้สึกปลอดภัย และมีโครงสร้างที่จะบังคับใช้กฎพื้นฐานเหล่านี้อย่างจริงจัง
คุณสามารถอ่านการปรับปรุงจรรยาบรรณในQiskit GitHub ที่นี่ ส่วนใหญ่ควรดูคุ้นเคย แต่คุณจะสังเกตเห็นการเปลี่ยนแปลงหลักบางประการ:
เราได้เพิ่มตัวอย่างเพิ่มเติมของพฤติกรรมที่ยอมรับได้และไม่สามารถยอมรับได้ เพื่อทำให้ค่านิยมของชุมชนมีความชัดเจนมากขึ้น
เราแสดงให้เห็นชัดเจนว่าการรักษาให้เพื่อนของเรารู้สึกปลอดภัยและได้รับการต้อนรับเป็นความรับผิดชอบของชุมชนทั้งหมด
เราได้รวบรวมกระบวนการที่ชัดเจนในการระบุและรายงานการละเมิดจรรยาบรรณ
หากคุณพบเห็นการละเมิดจรรยาบรรณ เราขอให้คุณกรอกรายงานการละเมิดจรรยาบรรณที่นี่
ด้านบนของการเปลี่ยนแปลงเหล่านี้ในเนื้อหาของจรรยาบรรณ เรากำลังรวบรวมคณะกรรมการบังคับใช้หลักจรรยาบรรณที่จะประกอบด้วย Qiskitters ในทีม IBM และตัวแทนที่ไม่ใช่ของ IBM จากผู้สนับสนุน Qiskit ของเรา และจะ รับผิดชอบในการตรวจสอบและดำเนินการเกี่ยวกับการละเมิดจรรยาบรรณ เราจะติดต่อผู้สนับสนุนเร็วๆ นี้ผ่าน Slack เพื่อรับสมัครสมาชิกคณะกรรมการ
IBM ได้เปิดตัว NeuNetS ซึ่งเป็นความสามารถใหม่ขั้นพื้นฐานที่จัดการกับช่องว่างด้านทักษะสำหรับการพัฒนาโมเดล AI ล่าสุดสำหรับโดเมนธุรกิจที่หลากหลาย NeuNetS ใช้ AI ในการสังเคราะห์โมเดล Deep Neural Network โดยอัตโนมัติอย่างรวดเร็วและง่ายดายกว่าที่เคย ขยายการปรับใช้ AI โดยบริษัทและ SMEs ด้วยการพัฒนาและปรับใช้โมเดล AI โดยอัตโนมัติอย่างสมบูรณ์ NeuNetS ช่วยให้ผู้ใช้ที่ไม่ใช่ผู้เชี่ยวชาญสามารถสร้างโครงข่ายประสาทเทียมสำหรับงานเฉพาะและชุดข้อมูลในเวลาเพียงเสี้ยวของเวลาที่ใช้ในปัจจุบัน โดยไม่สูญเสียความแม่นยำ
ความต้องการระบบอัตโนมัติ
AI กำลังเปลี่ยนแปลงวิธีการทำงานและสร้างสรรค์ของธุรกิจ โครงข่ายประสาทเทียมเป็นเครื่องมือที่ทรงพลังที่สุดในปัจจุบันสำหรับนักวิทยาศาสตร์ด้านข้อมูล อย่างไรก็ตาม ในขณะที่นักวิทยาศาสตร์ข้อมูลเพียงเล็กน้อยเท่านั้นที่มีทักษะและประสบการณ์ที่จำเป็นในการสร้างโครงข่ายประสาทเทียมที่มีประสิทธิภาพสูงตั้งแต่เริ่มต้น แต่ในขณะเดียวกัน ความต้องการก็มีมากกว่าอุปทานมาก ด้วยเหตุนี้ องค์กรส่วนใหญ่จึงพยายามดิ้นรนเพื่อเข้าถึงโครงข่ายประสาทเทียมใหม่อย่างรวดเร็วและมีประสิทธิภาพ ซึ่งได้รับการออกแบบทางสถาปัตยกรรมโดยเฉพาะเพื่อตอบสนองความต้องการของแอปพลิเคชันเฉพาะของตน แม้จะอยู่ในขั้นพิสูจน์แนวคิดก็ตาม ดังนั้น เทคโนโลยีที่เชื่อมช่องว่างทักษะนี้โดยการออกแบบสถาปัตยกรรมของโครงข่ายประสาทเทียมโดยอัตโนมัติสำหรับชุดข้อมูลที่กำหนดจึงมีความสำคัญมากขึ้นเรื่อยๆ เอ็นจิ้น NeuNetS นำ AI มาสู่ไปป์ไลน์นี้เพื่อผลลัพธ์ที่รวดเร็วเทคโนโลยีเอไอ
ภายใต้ประทุนของ NeuNetS
NeuNetS ทำงานบนสภาพแวดล้อมที่มีคอนเทนเนอร์เต็มรูปแบบซึ่งปรับใช้บน IBM Cloud ที่มี Kubernetes สถาปัตยกรรมได้รับการออกแบบมาเพื่อลดการโต้ตอบของมนุษย์ ทำให้ปริมาณงานของผู้ใช้เป็นอัตโนมัติ และปรับปรุงการใช้งาน ผู้ใช้ไม่จำเป็นต้องเขียนโค้ดหรือมีประสบการณ์กับเฟรมเวิร์กการเรียนรู้เชิงลึกที่มีอยู่: ทุกอย่างเป็นไปโดยอัตโนมัติ ตั้งแต่การนำเข้าชุดข้อมูลและการประมวลผลล่วงหน้า ไปจนถึงการฝึกอบรมการค้นหาสถาปัตยกรรมและการปรับใช้โมเดล ในขณะที่ด้าน AI อัตโนมัติกำลังเคลื่อนที่อย่างรวดเร็ว ระบบจำเป็นต้องสามารถใช้แนวทางล่าสุดโดยมีผลกระทบน้อยที่สุดต่อบริการที่ทำงานอยู่ ด้วยเหตุนี้ เราจึงได้ออกแบบเฟรมเวิร์ก NeuNetS ให้ยืดหยุ่นและเป็นโมดูล เพื่อให้สามารถรวมอัลกอริธึมอันทรงพลังใหม่ได้ทุกเมื่อ NeuNetS ใช้ประโยชน์จากทรัพย์สินของ IBM ที่มีอยู่ เช่นDLaaS , HPOและWML . แบบจำลองโครงข่ายประสาทมีการสังเคราะห์ในรุ่นล่าสุดของ NVIDIA GPUs
[NPC4]เทคโนโลยีการวิจัยระดับแนวหน้า
อัลกอริธึม NeuNetS ได้รับการออกแบบมาเพื่อสร้างโมเดลโครงข่ายประสาทเทียมใหม่โดยไม่ต้องใช้โมเดลที่ผ่านการฝึกอบรมล่วงหน้าซ้ำแล้วซ้ำอีก สิ่งนี้ทำให้เราสามารถสำรวจพื้นที่กว้างของการกำหนดค่าสถาปัตยกรรมเครือข่าย และในขณะเดียวกันก็ปรับแต่งแบบจำลองสำหรับชุดข้อมูลเฉพาะที่ผู้ใช้ให้มา
ผลงานอัลกอริทึม NeuNetS รวมถึงรุ่นที่เพิ่มขึ้นของผลงานที่ตีพิมพ์เมื่อเร็ว ๆ นี้เช่นTAPAS , NCEvolve และ HDMS รวมถึงเอ็นจิ้นออปติไมเซอร์เนื้อละเอียด อัลกอริธึมเหล่านี้ก้าวไปข้างหน้าด้วยความเคารพต่อความล้ำสมัยในวรรณกรรมและในทางปฏิบัติ โดยจัดการกับปัญหาพื้นฐาน เช่น ภาพรวมของชุดข้อมูลและความสามารถในการปรับขนาดประสิทธิภาพ TAPAS เป็นเครื่องสังเคราะห์โครงข่ายประสาทที่รวดเร็วมาก โดยดำเนินการใกล้เคียงกับแนวทางการเรียนรู้แบบถ่ายโอนโดยอาศัยกลไกการคาดคะเนอันชาญฉลาดที่สร้างไว้ล่วงหน้าและเป็นจริง NCEvolve สังเคราะห์เครือข่ายที่มีประสิทธิภาพสูงสุด ลดเวลาการฝึกอบรมและความต้องการทรัพยากร HDMS รวมไฮเปอร์แบนด์เวอร์ชันที่ปรับปรุงแล้วเข้ากับการเรียนรู้การเสริมแรงเพื่อสังเคราะห์เครือข่ายที่ปรับแต่งให้เหมาะกับชุดข้อมูลทั่วไป สุดท้ายแต่ไม่ท้ายสุด เอ็นจิ้นการสังเคราะห์เกรนละเอียดของเราใช้อัลกอริธึมวิวัฒนาการสำหรับการสร้างฟิลเตอร์คอนโวลูชั่นแบบกำหนดเอง
อนาคตของ NeuNetS
ขึ้นอยู่กับอัลกอริธึมการปรับให้เหมาะสมหลายแบบและสถาปัตยกรรมแบบแยกส่วน NeuNetS สามารถรองรับสถานการณ์จำลองการสังเคราะห์แบบจำลองได้หลากหลาย ขั้นตอนต่อไปคือการทำให้ผู้ใช้ไม่เพียงแค่อัปเดตข้อมูลเท่านั้น แต่ยังต้องตัดสินใจด้วยว่าจะใช้เวลาและทรัพยากรจำนวนเท่าใดที่จะจัดสรรสำหรับการสังเคราะห์แบบจำลอง ตลอดจนขนาดสูงสุดของแบบจำลอง และแพลตฟอร์มการปรับใช้เป้าหมาย ในแง่นี้ปริมาณงานการวิเคราะห์ IoT และอนุกรมเวลาจะมีบทบาทสำคัญ เพื่อให้ผู้ใช้สามารถใช้โมเดลสังเคราะห์อย่างมีประสิทธิภาพ เรากำลังสร้างความสามารถในการแสดงภาพที่เป็นนวัตกรรมใหม่เพื่อเปรียบเทียบคุณลักษณะของโมเดลหลัก รวมถึงประสิทธิภาพ ขนาด และประเภท เพื่อช่วยเหลือผู้ใช้ต่อไปเมื่อมีการปรับใช้โมเดลและเพิ่มความไว้วางใจใน AIเรากำลังพัฒนาเทคนิคที่ปรับปรุงการมองเห็นโครงสร้างและพฤติกรรมของโมเดลตลอดวงจรชีวิตของ AI
ลอง NeuNetS เลย
NeuNetS เบต้าพร้อมให้ใช้งานแล้ววันนี้ โดยเป็นส่วนหนึ่งของ Watson Studio บน IBM Cloud รุ่นแรกนี้นำเสนอการสังเคราะห์แบบจำลองสำหรับการจัดประเภทรูปภาพและข้อความ โดยมีประสิทธิภาพใกล้เคียงกับโครงข่ายประสาทเทียมที่สร้างขึ้นด้วยมือ ปริมาณงานด้านภาพเป็นหัวข้อของการวิจัย การพัฒนา และการแข่งขันที่เข้มข้นในช่วงทศวรรษที่ผ่านมา และด้วยเหตุนี้จึงเป็นมาตรฐานที่เข้มงวด ในทางตรงกันข้าม โมเดลที่มีความแม่นยำสูงสำหรับข้อความนั้นไม่แพร่หลายในปัจจุบัน และ NeuNetS จะช่วยให้ผู้ใช้ที่ไม่เชี่ยวชาญสามารถทำกำไรจากเทคโนโลยีล่าสุดที่มีอยู่ในโดเมนนี้
[NPC5]ทีม NeuNetS
NeuNetS เป็นผลจากความพยายามในการวิจัยและพัฒนาระดับโลกด้วยการสนับสนุนที่สำคัญจาก IBM Labs ต่างๆ ที่กระจายอยู่ทั่วโลก รวมถึงปักกิ่ง เคมบริดจ์ ดับลิน ยอร์กทาวน์ และซูริก ทีมเทคนิคประกอบด้วย (เรียงตามตัวอักษร): Panos Chatzidoukas, Mihir Choudhury, Benjamin Elder, Benjamin Herta, Roxana Istrate, Matteo Manica, Giovanni Mariani, Tejaswini Pedapati, Debashish Saha, Horst Samulowitz, Florian Scheidegger, Atin Soodbelt Thomas, Hendrik Stro , พระพิฆเนศ Venkataraman, Martin Wistuba, Chao Xue และ Rong Yan ภายใต้การนำกลยุทธ์ AI จาก Costas Bekas, Rania Khalaf, Venkat Raghavan และ Ruchir Puri