SPARC以代表向量提升光子矩阵乘法精度
热点事件观察中
SPARC以代表向量提升光子矩阵乘法精度
1 篇报道1 个报道来源1 天前更新
先了解这件事
AI 综述
Yasuhiro Fujiwara 等人提交论文，提出 SPARC 方法，用于降低光子神经网络加速器上矩阵乘法推理的量化误差与模拟噪声影响。其做法是为每组相似激活向量构造一个代表向量，用数字方式高精度计算其内积，残差内积仍交给光子加速器，原有光子内积流程不变，无需修改硬件即可集成到现有及未来光子加速器。 作者称，在六个代表性 DNN 模型上的实验显示，该方法提升了多种网络架构与应用领域的推理精度。
AI 根据报道生成 · 10 小时前更新
最新进展11月14日 13:00
SPARC：用代表向量提升光子矩阵乘法推理精度报道时间线
沿着报道，了解事件的不同侧面。
11月14日
- arXiv cs.AISPARC：用代表向量提升光子矩阵乘法推理精度
SPARC 通过为每组相似激活向量构造一个代表向量、以数字方式高精度计算其内积，并把残差内积交给光子加速器，从而降低量化误差与模拟光子噪声的影响。该方法保留原有光子内积计算流程，无需修改硬件即可集成到现有及未来的光子加速器中。在六个代表性 DNN 模型上的实验显示，该方法可提升多种网络架构与应用领域的推理精度。
本事件热度走势
- 可比范围当前
- 5
- 可比范围峰值
- 711月15日 04:00
- 近 24 小时变化
- –
02468
04:0006:0008:0010:0012:00
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。