低功耗推論

深度分析

利用高溫吉布斯取樣的熱力學區塊實現低功耗影像分類：從 Ising 硬體到深度模型訓練

隨著AI推論能耗攀升，研究提出以高溫吉布斯取樣的熱力學計算模型，將卷積神經網路分割為熱力學區塊，並以純反向傳播訓練。實驗在CIFAR‑10、CIFAR‑100上分別達到94.9%與76%的準確度，顯示在二元取樣下仍能保持高效能。此技術或將為低功耗邊緣裝置提供新型硬體解決方案。