HW-SW协同设计方案构建侧通道保护ML硬件


北卡罗莱纳州立大学和英特尔的研究人员发表了一篇题为“侧通道受保护神经网络推理的硬件-软件协同设计”的技术论文(预印本)。物理侧通道攻击是从设备中窃取机密数据的主要威胁。最近,针对边缘机器学习(ML)硬件的此类攻击激增,以提取…»阅读更多

浮点8能解决AI/ML开销吗?


当媒体在热议ChatGPT的图灵测试(Turing Test-busting)结果时,工程师们正专注于运行大型语言模型和其他深度学习网络的硬件挑战。ML的首要任务是如何用更少的电力更有效地运行模型,特别是在自动驾驶汽车等关键应用中,延迟成为生死攸关的问题。我已经…»阅读更多

用于高可扩展电容性神经网络的L-FinFET神经元(KAIST)


韩国科学技术院(KAIST)的研究人员发表了一篇题为“具有漏孔鳍形场效应晶体管的高可扩展电容性神经网络的人工神经元”的新技术论文。“在商业化的闪存中,隧穿氧化物防止被捕获的电荷逃逸,以获得更好的存储能力。在我们提出的FinFET神经元中,t…»阅读更多

基于强化学习的更高效矩阵乘法算法(DeepMind)


DeepMind的研究人员发表了一篇题为“用强化学习发现更快的矩阵乘法算法”的新研究论文。“在这里,我们报告了一种基于AlphaZero的深度强化学习方法,用于发现任意矩阵乘法的有效且可证明正确的算法,”论文中写道。在这里找到技术论文链接。及其…»阅读更多

研究报告:6月14日


宾夕法尼亚大学的工程师们在一块9.3平方毫米的芯片上构建了一个光子深度神经网络,他们说在分类图像方面更快、更有效,每秒能处理近20亿张图像。该芯片使用一系列波导,形成模仿大脑的“中子层”。“我们的芯片处理信息……»阅读更多

模拟边缘推理与ReRAM


“随着大数据应用和深度学习的需求不断上升,业界越来越多地寻求人工智能(AI)加速器。采用新兴非易失性器件的模拟内存计算(AiMC)能够提供良好的硬件解决方案,因为其在加速乘法和累积(MAC)操作方面的高能效。在此,应用材料…»阅读更多

激发态神经网络量子分子动力学研究铁电氧化物远平衡超快极化控制


南加州大学维特比工程学院的新学术论文:摘要“铁电材料表现出丰富的复杂极性拓扑,但他们在远平衡光激发下的研究在很大程度上尚未探索,因为难以建模涉及量子力学的多个时空尺度。研究时空尺度上的光激发。»阅读更多

使用神经网络进行嵌入式时间序列分类的超低功耗硬件加速器框架


在使用神经网络(NNs)进行分类任务的嵌入式应用程序中,重要的不仅是最小化神经网络计算的功耗,而且是最小化整个系统的功耗。针对个别部分的优化方法,如神经网络的量化或算术运算的模拟计算。然而,对于一个完整的嵌入式系统设计来说,没有一种整体的方法。»阅读更多

下一代油藏计算


摘要:储层计算是一种一流的机器学习算法,用于处理动态系统使用观测到的时间序列数据生成的信息。重要的是,它需要非常小的训练数据集,使用线性优化,因此需要最少的计算资源。然而,该算法使用随机采样矩阵来定义底层的递归神经n…»阅读更多

案例研究-深度学习在集成电路上的角填充检测和计量


CyberOptics公司利用深度学习技术,对一家大型内存供应商生产的集成电路(ic)上的角填充进行了精确检测。传统的检查方法在完全检测填充物的存在和不存在的能力方面显示出局限性,这表明有必要采用更先进的方法。CyberOptics利用其庞大的算法和神经网络专业知识……»阅读更多

←老帖子
Baidu