Certified Access

新的AI内存框架使用物理学进行测试时计算

研究人员引入了一个新的AI测试时计算机制框架，重点关注潜变量动力学模型作为内存。该方法提供了关于额外计算的好处和成本的结构化见解，超越了黑盒添加。所提出的方法使用学习到的哈密顿量的阻尼辛普勒特步来推进编码器的潜变量状态，提供精确的相体积雅可比行列式、有界能量变化和精确的锁存传输定律。该框架通过洛伦兹挤压来解决可达性失败，通过门控正则变换来解决逃逸失败，并在分析测试平台和学习到的物理结构内存上进行了验证。