基于薄膜铌酸锂MZM的Transformer注意力电光非线性实现
热点事件持续更新
基于薄膜铌酸锂MZM的Transformer注意力电光非线性实现
1 篇报道1 个报道来源6 小时前更新
先了解这件事
AI 综述
Luis Mickeler等人发布研究论文，提出基于薄膜铌酸锂马赫-曾德尔调制器（MZM）的模拟电光注意力非线性方法，旨在实现低延迟的Transformer注意力计算。实验在10 GBaud符号率下表征电光响应，并在4-bit输入输出量化条件下验证了模型在Vision Transformers和GPT-2上的鲁棒性，性能接近数字基线。分析表明，该方法的整体延迟比现有电子及光子Softmax实现降低一个数量级以上，为光子模拟计算在AI领域的应用提供了新路径。
AI 根据报道生成 · 3 小时前更新
最新进展10月28日 12:00
基于薄膜铌酸锂MZM的Transformer注意力电光非线性实现报道时间线
沿着报道，了解事件的不同侧面。
10月28日
- arXiv · ML基于薄膜铌酸锂MZM的Transformer注意力电光非线性实现
研究采用薄膜铌酸锂马赫-曾德尔调制器作为模拟计算单元，在Vision Transformers和GPT-2上接近数字基线性能。 实验在10 GBaud符号率下表征电光响应，并在4-bit输入输出量化条件下验证模型鲁棒性。分析显示整体延迟比现有电子及光子Softmax实现降低一个数量级以上。
本事件热度走势
- 可比范围当前
- 8
- 可比范围峰值
- 910月28日 16:00
- 近 24 小时变化
- –
02.557.510
16:0017:0018:00
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。