arXiv cs.AIYasuhiro Fujiwara
论文
SPARC: Accurate Photonic Matrix Multiplication via Representative Vectors
AI 摘要
该论文提出 SPARC 方法，利用深度神经网络中激活向量的高相似性，为每组相似向量构造一个代表向量，用数字方式高精度计算其内积，再把剩余内积交给光子加速器处理。由于组内向量高度相似，残差向量范数更小，从而降低低比特量化和模拟光子噪声带来的误差，且无需改动硬件即可集成到现有光子加速器中。在六个代表性 DNN 模型上的实验显示，该方法能提升推理精度。
简评
光子计算用光做矩阵乘法，省电但精度差，一直难以实用。这项研究用软件方法弥补硬件误差，不改硬件就能提升准确率，意味着光子加速器离实际部署更近一步。若成熟，未来手机和服务器跑 AI 有望更省电。
- 光子计算
- 神经网络
- 推理精度
- 硬件加速
本站只提供模型生成的摘要，不转载原文。 完整内容请前往原始出处阅读。
阅读原文 ↗