SPARC：基于代表向量提升光子矩阵乘法推理精度
热点事件持续更新
SPARC：基于代表向量提升光子矩阵乘法推理精度
1 篇报道1 个报道来源53 分钟前更新
先了解这件事
AI 综述
Yasuhiro Fujiwara 等在 arXiv 发表 SPARC 方法，利用 DNN 中激活向量的高相似性提升光子神经网络加速器的推理精度：为每组相似激活向量构建代表向量并以高精度数字计算其内积，仅将残差内积交给光子硬件处理，从而降低量化误差和模拟光子噪声的影响。 论文称该方法保留光子内积计算流水线，无需修改硬件即可集成到现有及未来光子加速器，并在六个代表性 DNN 模型上验证了跨架构、跨应用领域的精度提升。
AI 根据报道生成 · 27 分钟前更新
最新进展11月14日 13:00
SPARC：基于代表向量提升光子矩阵乘法推理精度的方法报道时间线
沿着报道，了解事件的不同侧面。
11月14日
- arXiv cs.AISPARC：基于代表向量提升光子矩阵乘法推理精度的方法
arXiv 论文提出 SPARC 方法，通过利用 DNN 中激活向量的高相似性来提升光子神经网络加速器的推理精度：为每组相似激活向量构建代表向量并以高精度数字计算其内积，仅将残差内积交给光子硬件处理，从而降低量化误差和模拟光子噪声的影响。该方法保留光子内积计算流水线，无需修改硬件即可集成到现有及未来光子加速器，并在六个代表性 DNN 模型上验证了跨架构、跨领域的精度提升。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。