Podemos construir chips de IA que geram imagens de alta qualidade usando 10.000× menos energia do que as GPUs atuais? Trabalho de pesquisa: "Uma arquitetura de hardware probabilística eficiente para modelos semelhantes à difusão" Este trabalho revela uma arquitetura CMOS (all-transistor) completa que executa nativamente modelos generativos no estilo de difusão - não com redes neurais que consomem muita energia, mas com amostragem probabilística baseada em energia. Ao encadear modelos compactos de redução de ruído (DTMs) e explorar a aleatoriedade física em chips padrão de 65 nm, o sistema produz imagens no mesmo nível das GPUs, mas consome apenas 1,6 nanojoules por amostra Fashion-MNIST - cortando energia em quatro ordens de magnitude. O treinamento é estabilizado por meio de uma nova penalidade adaptativa, e a abordagem é dimensionada para silício de tamanho milimétrico sem hardware exótico. Resultados: Iguala ou supera a qualidade de GAN/VAE/difusão em ~10.000× energia menor; 70×70 grades, pilhas de 8 camadas, ferramentas de código aberto lançadas. Obtenha a análise completa aqui: alfa identificado $yne