10:46
官方账号arXiv cs.LG@Owen Lockwood, Jérémy Béjanin, Joost Bus, Christopher Chamberland, Patrick Huembeli, Frank Schäfer, Guillaume Verdon
推荐理由：这篇论文提供了一种利用热力学原理做机器学习的新思路，特别适合关注低功耗计算硬件的读者，从理论到超导电路实验都有。
Thermodynamic Computing
共 1 条相关 AI 资讯
7月20日
10:46
该论文提出了一种基于热力学计算的硬件蓝图，利用Langevin动力学实现能量高效的可微连续变量计算。作者展示了如何通过构造参数化能量基模型来训练机器学习模型，并基于概率图框架分析其运行时与能耗。初步实验采用热噪声驱动的随机模拟超导电路验证了该方案。数值研究表明，该热力学范式相比传统硬件在能效上有数量级提升。