深度分析
QTAML 與 TAC：利用 WKB 量子穿隧模型降低 ECC 成本的硬體‑軟體共同設計
晶體管門氧化層變薄致量子穿隧位元翻轉，傳統電路可靠性受限。研究提出量子穿隧感知機器學習（QTAML）與穿隧感知補償（TAC），利用WKB推導錯誤分布，結合均值校正與層級位元保護。實驗於CNN與Transformer顯示，TAC在保持95%乾淨精度下，將ECC開銷降至原先3.4至33.6倍。
AI 推論
深度分析
Cerebras 餐盤級 Wafer‑Scale Engine（WSE）：以高記憶體頻寬與低延遲重塑 AI 推論
矽谷晶片商Cerebras在納斯達克上市首日股價暴漲，市值一度衝破百億美元，證實市場對低延遲、大頻寬推論硬體的期待。Cerebras以餐盤級的Wafer-Scale Engine（WSE）把運算與大量記憶體集成在單一晶圓，主打極高的記憶體頻寬與低延遲推論，並宣稱在特定開源模型上較GPU方案具顯著速度優勢。
深度分析
AEG：裸金屬框架直接存取異構加速器的 AI 推論新突破
AEG 針對異構加速器的 AI 推論提出裸金屬執行時，摒棄即時作業系統，使用線性 Runtime Control Block 與最小硬體抽象層。實驗顯示其計算效率比 Linux Vitis AI 高 9.2 倍，資料移動減少 3–7 倍，且僅用 28 塊 AIE 即達 68.78% Top‑1 正確率。