10:36
arXiv cs.LG@Yu-Neng Wang, Sara Achour
73°
推荐理由：模拟硬件跑生成模型能耗低两数量级，AIS框架在MNIST上FID仅27.6，比之前好3-4倍，适合低功耗场景。
全部 AI 动态
AI 相关资讯全量信息流
6月26日
10:36
模拟硬件（如耦合振荡器）能耗比数字计算低两个数量级，但物理方程限制无法直接运行现代生成模型。该文提出Analog Interaction Systems（AIS）框架，利用时变分段参数和隐藏物理状态两种机制缩小表达差距，并采用Wasserstein GAN训练。在MNIST和Fashion-MNIST上，基于振荡器的AIS分别取得FID 27.6和80.8，比此前最优模拟硬件生成模型提升3-4倍。能量估算为每张生成图像23μJ，较数字基线降低约100倍。
6月16日
20:46
AITOP6月16日 20:46
6月12日
12:57
AITOP6月12日 12:57
6月11日
15:28
AITOP6月11日 15:28
15:23
AITOP6月11日 15:23
15:07
AITOP6月11日 15:07
6月6日
04:57
04:57
Microsoft Research@MSFTResearch
Microsoft Research@MSFTResearch72°
推荐理由：数据中心能耗是AI时代的核心瓶颈，Project Mosaic用微LED光学互连直击痛点，做基础设施架构的开发者值得关注这项突破。
5月26日
18:17
18:17IT之家（博客/媒体）
推荐理由：存内计算是突破冯·诺依曼瓶颈的关键路径，做边缘 AI 或低功耗设备的开发者值得关注——TetraMem 的 22nm SoC 验证意味着这项技术离量产又近了一步。
5月22日
14:13
14:13IT之家（博客/媒体）
精选72°
推荐理由：AI训练和推理团队长期受困于显存带宽与功耗的拉扯，英特尔的9层堆叠方案直接给出0.25 Tb/s/mm²带宽和0.35 W/mm²功耗的硬指标，做高性能计算或AI芯片的开发者值得关注这一技术路线。