Чи можемо ми створити чіпи штучного інтелекту, які генерують високоякісні зображення, використовуючи на 10 000× менше енергії, ніж сучасні графічні процесори? Наукова робота: "Ефективна імовірнісна апаратна архітектура для дифузійних моделей" Ця робота розкриває повноцінну архітектуру CMOS (повністю транзисторна), яка за замовчуванням запускає генеративні моделі в стилі дифузії — не з енергоємними нейронними мережами, а з імовірнісною дискретизацією на основі енергії. Об'єднуючи компактні моделі знешумлення (DTM) і використовуючи фізичну випадковість у стандартних 65-нм чіпах, система виробляє зображення нарівні з графічними процесорами, але споживає лише 1,6 наноджоуля на зразок Fashion-MNIST, скорочуючи енергію на чотири порядки. Тренування стабілізується за допомогою нового адаптивного штрафу, а підхід масштабується до кремнію міліметрового розміру без екзотичного обладнання. Результати: Відповідає або перевершує якість GAN/VAE/дифузії при ~10 000× нижчій енергії; Випущено 70×70 сіток, 8-шарові стеки, інструменти з відкритим вихідним кодом. Повний аналіз можна отримати тут: Ідентифіковано альфа $yne