机器之心数据服务现已上线，提供高效稳定的数据获取，简化数据爬取流程。

该研究解决了当今计算硬件无法满足大型语言模型（LLMs）能耗和性能需求的问题。通过探讨集成光子神经网络架构和新兴的神经形态设备，文章提出了一种超快速的矩阵运算方案。研究发现，光子计算系统在吞吐量和能效上可能大大超越电子处理器，但在内存和超大数据集存储方面仍需突破。

光是电磁波的量子化表现，光子是无质量、自旋为1的粒子，源自古英语，意指亮度。文章讨论了光的物理特性及其在不同理论中的作用。

本研究针对自由形状光子器件设计中的复杂几何与制造约束问题，提出了一种新颖的物理引导框架AdjointDiffusion，该框架将伴随灵敏度梯度集成到扩散模型的采样过程中。研究表明，AdjointDiffusion在设计效率和可制造性方面优于当前最先进的非线性优化器，并且使用的仿真次数显著减少，从而为下一代光子器件设计提供了一种简化、高效的路径。

本研究提出SimPhony框架，旨在提高电子光子集成电路（EPIC）系统在高性能人工智能应用中的建模与仿真效率，支持光学数据流建模，实现硬件与软件的无缝整合。

本研究提出了一种新型交叉轴因子化PACE操作符，显著提高了光子器件的仿真精度，误差降低了73%，仿真速度提升了577倍，从而增强了设计效率和可扩展性。

本研究提出了一种新方法bit2bit，针对量子图像传感器生成的稀疏二进制数据，能够高质量重建图像序列，克服了传统模型的不足。

研究人员提出了QuantumSEA方法，通过稀疏连接和少量的量子门来提高训练时的电路容量和噪声鲁棒性。实验结果显示该方法在量子机器学习和变分量子特征解算器基准测试中表现优于其他方法。

插拔式去噪是一种流行的图像去噪框架，本文概述了正则化理论并调查了新的数据驱动方法作为正则化方案。同时，讨论了插拔式算法和其收敛保证。提出了一种新的谱滤波技术来控制正则化强度，并通过理论分析和数值实验验证了插拔式与线性去噪器的收敛正则化方案。

光子计算是加速AI工作负载的有前途解决方案。本文提出了一种动态芯片内纠正框架，通过自适应探测智能监视芯片状态并进行快速校准，以恢复准确性。实验表明，该框架在漂移变化下保持持续性能，提高准确性34%，降低开销2-3个量级。

我们提出了一种点云压缩方案，通过生成可直接解码为可渲染的3D高斯图像的比特流来解决从有损压缩的点云中解码和渲染高质量图像的问题。该方案提高了渲染质量，降低了解码和渲染时间，支持实时颜色解码和高质量点云的渲染。

我们展示了一种多保真度（MF）机器学习集成框架，用于逆向设计光子表面。该框架基于高通量飞秒激光加工制备的11,759个样本的数据集进行训练。实验证明该方法在能量收集应用中的光子表面逆向设计中具有强大的工具。

该文介绍了一种基于高效协方差矩阵重构的自适应波束形成算法，通过迭代空间功率谱实现。该方法能够抑制靠近信号感兴趣方向的干扰源，提高波束形成器的性能。通过仿真结果验证了该方法的有效性。