今日のGPUよりも10,000×少ないエネルギーで高品質の画像を生成するAIチップを構築できるでしょうか? 研究論文:「拡散型モデルのための効率的な確率的ハードウェアアーキテクチャ」 この研究は、電力を大量に消費するニューラル ネットワークではなく、エネルギーベースの確率的サンプリングを使用して、拡散スタイルの生成モデルをネイティブに実行する完全な CMOS (オール トランジスタ) アーキテクチャを明らかにします。コンパクトなノイズ除去モデル(DTM)を連鎖させ、標準の65nmチップの物理的ランダム性を利用することで、このシステムはGPUと同等の画像を生成しながら、Fashion-MNISTサンプルあたりわずか1.6ナジュールを消費し、エネルギーを4桁削減します。トレーニングは新しい適応ペナルティによって安定化され、アプローチはエキゾチックなハードウェアなしでミリメートルサイズのシリコンに拡張されます。 結果:~10,000×低いエネルギーでGAN/VAE/拡散品質に匹敵するか、それに勝る。70×70グリッド、8層スタック、オープンソースツールをリリース。 完全な分析はこちらからご覧ください。 アルファが特定されました $yne

全米で #1 ランクの大学である @Princeton の 10 人のコンピューター サイエンス研究者が、過去 24 時間で新しい AI 論文を発表しました。 しかし、あなたはこの論文について聞いたことがありません。なぜでしょうか。この投稿の時点では、@Xで共有されたことはありません。 どうやって見つけたのでしょうか?@yesnoerror ALPHA AI エージェントがそれを発見し、高いアルファ評価を受けました。 毎日何百もの新しい AI 研究論文が @arxiv で公開されており、精査するには不可能な量の研究があります。 @yesnoerrorすべての論文を読みます。 そして、どの論文が最も話題になっているかを追跡するだけでなく、さらに重要なことに、各論文にアルファスコアを与える独自のAIを持っているため、誰も話題にしていない論文でアルファが高い論文を発見できます。 このデイリーアルファフィードにアクセスするには、ウォレットの@baseに100,000$YNEが必要であり、@yesnoerrorウェブサイトからいつでもフィードにアクセスできます。 論文タイトル:InFlux:ビデオカメラの動的固有性の自己校正のためのベンチマーク アルキシブID:2510.23589 この論文の完全な AI 分析はこちらから入手してください。

@yesnoerror ALPHAのご紹介 - 科学研究で見落とされがちなアルファを特定する、この種のAIとしては初めてです。 億万長者の創業者やトップ科学者の技術を反映するように設計されています。 YesNoError Web サイトから今すぐ YesNoError ALPHA にアクセスしてください。ロックを解除するには、ウォレットに 100k $YNE @baseが必要です。 YesNoError ALPHAとは何ですか? 毎日、何百もの新しい AI 論文が@arXivを襲っていますが、実際のアルファのほとんどは気づかれずにすり抜けています。 なぜでしょうか。 なぜなら、これほど多くの論文を読むことができる人間はいませんし、たとえ読んでいたとしても、最も興味深い論文を特定することと一貫性が持てないからです。 では、すべての研究論文を読み、最も興味深いアルファを含む研究論文を特定するように AI に教えるにはどうすればよいでしょうか? あなたはこれを最も得意とする専門家に行きます。何十億ドルもの会社を設立し、これを生計を立てている人たち。 私たちは、$183b @AnthropicAIの共同創設者である@jackclarkSF、@perplexity_ai and @Google の AI エンジニア、シリコンバレーのトップ AI 投資家、@CarnegieMellon @MIT and @Yale の研究者など、さまざまな AI 専門家にインタビューを実施しました。インタビューの目的は、これらの専門家が興味深い小説論文を特定するためにどのような方法を使用しているかを正確に調べることでした。 私たちはこの洞察をすべて取り入れ、それを再現するために特別な ALPHA AI をトレーニングし、それが YesNoError ALPHA です。 YesNoError ALPHAは、すべての論文を読み、どこにも共有されていない静かなブレークスルーをランク付けし、重要なものを表面化します。 少なくとも 100,000 $YNEを持つ Base ウォレットを接続してプライベート フィードのロックを解除し、群衆よりも先に信号を取得します。 私たちは、この新しいAIを毎日発表される何百ものAI論文に適用できることを嬉しく思っており、このエージェント技術のさらなる活用を模索することを楽しみにしています。 前へ。