2022年2月16日 · 光子矩阵向量乘法（MVM）的方法主要分为三类：平面光转换（PLC）方法、马赫-曾德尔干涉仪（MZI）方法和波分复用（WDM）方法。 第一种光学 MVM（PLC-MVM）是通过光在自由空间中的衍射来实现的。 第二种 MVM 主要由一个 MZI 网络（即 MZI-MVM）组成，主要基于旋转子矩阵分解和奇异值分解。 第三种 MVM（即WDM-MVM）是一种基于 WDM 技术的非相干矩阵计算方法。 图 1：矩阵乘法计算方法。 光子矩阵乘法已经走过了漫长的道路，近年来 …

Similarly, a minimum viable model (or MVM) is the creation of an AI/ML application that is able to be tested. In software development, it’s the first major milestone of an AI model. The goal of an MVM is to be able to build quickly, test early and discover real world opportunities or challenges while reducing risk and costs to creating and ...

2024年7月24日 · Our MVM is an approach to using AI in a mindful manner that focuses on delivering user & business value by using the most appropriate, smallest required model (be it a small LLM, tiny embeddings model or other ML model) to achieve a desired outcome.

2022年4月23日 · 目前主流的光子矩阵-矢量乘法（MVM）主要包含三类，即基于（单/多）平面光转换（PLC）的矩阵计算，基于马赫泽德干涉仪（MZI）网络的矩阵计算，和基于波分复用（WDM）的矩阵计算。 其中平面转换的矩阵计算又分为单平面矩阵计算（SPLC）和多平面矩阵计算（MPLC），它们都属于相干计算，已报道的输入向量长度分别可以达到357和490000的量级。 MZI和WDM方法的输出向量长度一般在100以下，主要用于集成光子矩阵计算芯片。 这些方法 …

2021年6月26日 · In this review, we firstly survey recent researches and progress in optical MVMs and photonic artificial intelligence hardware. After that, we describe the basic principles of optical MPLC-MVM, WDM-MVM, and MZI-MVM methods.

2024年10月28日 · 该架构能够最大程度地加速 AI 模型中的矩阵-向量乘法（MVM，matrix-vector multiplication）计算，如卷积神经网络、二值神经网络、Transformer 模型等，从而实现高速、高能效的 AI 模型推理和训练。

2024年10月27日 · 该架构能够最大程度地加速 AI 模型中的矩阵-向量乘法（MVM，matrix-vector multiplication）计算，如卷积神经网络、二值神经网络、Transformer 模型等，从而实现高速、高能效的 AI 模型推理和训练。

机器学习领域对矩阵乘法算力的需求非常强，从最初的CNN/FC运算到近两年来的transformer类的大矩阵乘法，都需要MAC（乘累加电路或者叫FMA/AMP）电路进行加速。 8月份dojo处理器的MAC的外积运算又一次让最底层的逻辑…

2022年8月25日 · 最近的研究表明，完全集成的 RRAM 互补金属氧化物半导体 ( CMOS) 芯片可以执行内存中矩阵向量乘法 (MVM)。 然而，要在实际 AI 应用中广泛采用 RRAM-CIM 芯片，它需要同时提供高能效、支持各种 AI 模型架构的灵活性和软件可比的推理精度。 到目前为止，还没有一项旨在同时改进所有这三个方面设计的研究。 此外，先前研究中的人工智能应用级基准测试的多样性和复杂性是有限的。 没有一项研究通过实验测量了多个边缘 AI 应用程序，其复杂性与 …

2021年9月12日 · 在这篇文章里我们提出了一个新的生成模型：MvM （Manifold-matching via Metric-learning）。类似于传统的GAN模型，MvM由两个神经网络组成：distribution generator和 metric generator。在整个训练过程中，这两个神经网络交替学习直至收敛。