基于光的机器学习系统可能产生更强大、更高效的LLM
基于光的机器学习系统可能更强大、高效的LLM
.fav_bar { 浮动：左；边框：1px 实心 #a7b1b5；上边距：10px；下边距：20px； } .fav_bar span.fav_bar-label { 文本对齐：中心；填充：8px 0px 0px 0px；浮动：左；左边距：-1px；右边框：1px 虚线 #a7b1b5；左边框：1px 实心 #a7b1b5；显示：块；宽度：69px；高度：24px；颜色：#6e7476；字体加粗；字体大小：12px；文本转换：大写；字体系列：Arial, Helvetica, sans-serif； } .fav_bar a, #plus-one { 浮动：左；右边框：1px 虚线 #a7b1b5；显示：块；宽度：36px；高度：32px；文本缩进：-9999px； } .fav_bar a.fav_de { 背景：url(../images/icons/de.gif) 不重复 0 0 #fff } .fav_bar a.fav_de:hover { 背景：url(../images/icons/de.gif) 不重复 0 0 #e6e9ea } .fav_bar a.fav_acm_digital { 背景：url(‘../images/icons/acm_digital_library.gif’) 不重复 0px 0px #FFF; } .fav_bar a.fav_acm_digital:hover { 背景：url(‘../images/icons/acm_digital_library.gif’) 不重复 0px 0px #e6e9ea; } .fav_bar a.fav_pdf { 背景：url(‘../images/icons/pdf.gif’) 不重复 0px 0px #FFF; } .fav_bar a.fav_pdf:hover { 背景：url(‘../images/icons/pdf.gif’) 不重复 0px 0px #e6e9ea; } .fav_bar a.fav_more .at-icon-wrapper{ 高度：33px !important ; 宽度：35px !important; 填充：0 !important; 右边框：无 !important; } .a2a_kit { 行高：24px !important; 宽度：unset !important; 高度：unset !important; 填充：0 !important; 右边框：unset !important; 左边框：unset !important; } .fav_bar .a2a_kit a .a2a_svg { 左边距：7px; 上边距：4px; 填充：unset !important; }
由美国麻省理工学院的研究人员领导的团队开发了一种基于光的机器学习系统，其在功率和效率方面可能超过 ChatGPT 背后的系统，同时能耗更低。
这个紧凑的架构基于德国柏林工业大学的研究人员开发的垂直面发射激光器阵列。
该系统利用数百个微米级激光器和光的运动进行计算。
研究人员表示，鉴于它依赖于常用于手机面部识别系统和数据通信的激光器阵列，该系统可能在不久的将来被用于商业用途。
他们发现，与目前用于驱动现有机器学习模型的最新超级计算机相比，该系统在能效方面提高了100倍，计算密度提高了25倍。来自 MIT 新闻查看全文
摘要版权所有 © 2023 SmithBucklin，华盛顿特区，美国 
