北航港大新作:扩散模型怕模拟存算噪声?早随机晚确定FID暴降2.58倍
模拟存内计算(CIM)这几年在AI硬件圈几乎成了“低功耗加速器”的代名词:它把矩阵向量乘法直接塞进存储阵列内部,省掉了芯片上最烧钱、最耗电的数据搬运,用来跑需要几十上百次迭代的扩散模型,理论能效相当诱人。
LONGGE AI RESEARCH DAILY
每天筛选值得关注的 AI 论文,用工程视角拆解方法、实验和真正的落地价值。
目前已发表 1811 篇文章
模拟存内计算(CIM)这几年在AI硬件圈几乎成了“低功耗加速器”的代名词:它把矩阵向量乘法直接塞进存储阵列内部,省掉了芯片上最烧钱、最耗电的数据搬运,用来跑需要几十上百次迭代的扩散模型,理论能效相当诱人。
如果要为“随机运动+确定性外力”写一本演化账本,动力学 Fokker–Planck 方程(kinetic Fokker–Planck equation)大概是出场率最高的公式之一。
粒子物理界的“对称性守门员”LHCb又出手了。这次他们用6 fb⁻¹的质子对撞数据,在B_s⁰介子衰变里把CPT与洛伦兹不变性的破缺上限往前推了一大截,灵敏度直达10⁻¹⁴ GeV量级。结果依然是“没破缺”——但这种没找到,恰恰是宇宙基本对称性依然坚挺的最好证据。硬核、干净、不浮躁,值得一读。
一个粲偶素粒子“临终”前,罕见地吐出了两代奇异粒子的组合。BESIII在27.12亿个事例里翻箱倒柜,终于以11.5σ的把握抓住了这个概率只有百万分之几的衰变。
跨本体泛化是VLA从“会干活”走向“干得了所有机器人”的必经关卡,但“零样本”这个词在圈里长期被用得很随意。本论文用严格受控的基准把四种本体变化拆开细测,给出可复现的量化结论:换表征涨15个点、扩源多样性涨18个点、仅5%目标本体预训练数据再涨13.4个点。做机器人的朋友读完能少走不少弯路。
分东西还要分任务?谁拿了好东西,谁多干了活,算法能分得大家都别红眼吗?一群做理论的人把这事儿掰扯清楚了——给每个参与者不同"权重"时,四校联合研究终于破解了混合了吗哪的难题,首次给出通用的高效分配方法。
低剂量CT(LDCT)的临床价值不用多说——辐射剂量降低了,患者风险下来了,可图像里的噪声就上去了。泊松-高斯混合噪声趴在投影数据里,重建出来的图像出现条纹和伪影,直接影响医生下诊断。传统去噪方法靠人工先验,效果有限;
先来一个灵魂拷问:你手里有一个定义在球面上的场,比如全球卫星云图、地球重力场或者海洋温度分布。你要设计一个重建算子,既要把已经解析出来的低频分量一滴不漏地保住,又希望输出是严格带限的——毕竟高频永远写不完、算不尽。
在开始聊这篇论文之前,得先带大家看一个反常识的对比:同样是超子(也就是含奇异夸克的重子)去撞击质子,把 Λ 超子换成它的反粒子 Λ̄(反超子)之后,散射截面居然缩水了一大截,物质和反物质通道差了将近 4 倍还多。
反常扩散模型的反问题,理论难度一直很高。本文给出了非线性时间分数阶次扩散方程初值恢复的贝叶斯后验收缩率上界与极小极大下界,把"数据多了到底能多准"这个问题从数学上彻底讲清楚了,值得每一位做反问题或贝叶斯推断的朋友细品。
生成一张360度全景图要等半小时?东京大学团队把时间压缩到2分钟,画质还更好,凭什么?
很多人第一次看卫星图会觉得诧异:为什么遥感基础模型的检索效果总是不如预期?明明模型参数已经加到几亿甚至几十亿,预训练语料也够大,遇到“港口”“农田”“城市”这类场景,还是经常把完全不同的图像混在一起。
LONGGE AI COMMUNITY
加入「龙哥读论文」知识星球,持续获取 AI 论文、资讯、开源项目、招聘与研究思路。
加入龙哥读论文微信群:添加微信 kangjinlonghelper,备注“研究方向 + 地点 + 学校/公司 + 昵称”。
微信扫码加入知识星球