@HowToAI_:研究人员证明,每一个初等函数(sin、exp、log、sqrt)都源自一个单一的二元运算符。我……
摘要
一篇论文证明,所有初等函数(如sin、exp、log、sqrt)都可以由一个二元运算符eml(x,y)=exp(x)-ln(y)生成,类似于NAND门统一数字逻辑的方式。这可以通过为连续数学提供一个单一的可训练节点来简化AI架构。
查看缓存全文
缓存时间: 2026/05/22 19:58
研究人员证明了每一个基本初等函数——sin、exp、log、sqrt——都源于一个单一的二元运算符。
这就像找到了微积分领域的“上帝粒子”。
在计算机科学中,每一个复杂程序都可以拆解为一个单一逻辑运算符:与非门。它是整个数字世界的基本构件。
但对于连续数学、物理、工程、机器学习,我们一直以为自己需要一套庞大的工具箱。
加法、减法、三角函数、对数。
每台科学计算器和每一个神经网络都必须同时处理所有这些函数。
直到今天。
但这篇论文证明,每一个数学函数都可以由一个奇特而单一的二元运算符生成。
eml(x,y) = exp(x) - ln(y)
把这个运算符与数字 1 结合,你就能构建一切。
π、平方根、正弦和余弦、算术运算。
全都是同一个运算符在二叉树中不断重复。
之前没有人料到它的存在。它是通过系统性的穷举搜索发现的。
这对人工智能的影响是巨大的。
AI 不再需要费力地组合各种数学规则来发现新的科学定律,它只需使用一种统一的架构。
一个可训练的电路。一个可重复的节点。
我们曾以为宇宙的语言是复杂的。
结果发现,它只是一个方程在黑暗中不断重复。
论文:https://arxiv.org/html/2603.21852v2…
好吧,这太疯狂了。
现在所有人都在通过一个连接器把 Claude 塞进 Blender。
Mixar 刚刚重新构建了 Blender,让 AI 智能体直接住在编辑器里面,生成、贴图、UV 展开——一切都是原生的。
而且它是开源的。
相似文章
@AnimaAnandkumar: 神经算子 – 将流行神经网络转换为神经算子用于科学建模 扩展神经网…
本文提出了将流行神经网络架构(CNNs、GNNs、Transformers)转换为神经算子的原则性方法,这些神经算子学习无限维函数空间之间的映射,使得在不同离散化下进行科学建模时能够获得一致的预测。发表于《Nature Machine Intelligence》。
Tensordyne 发布对数AI计算芯片:每瓦特令牌数比NVIDIA Blackwell多17倍,吞吐量高13倍。
Tensordyne 宣布了一项突破性推理系统,在硬件中使用对数数学,声称每瓦特令牌数比NVIDIA Blackwell多17倍,吞吐量高13倍,这是通过将对数空间中的复杂乘法替换为简单加法实现的。
@AnimaAnandkumar: 这是我们自开始研究神经算子以来一直在强调的一点。我们很快就从简单的...
Anima Anandkumar 强调,尽管基准测试简单,但神经算子在像高分辨率 AI 天气预报模型 (FourCastNet) 和核聚变湍流这样的困难实际问题上实现了巨大加速(10,000 到百万倍)。她引用了一篇新论文,表明随着 PDE 任务难度的增加,学习型求解器变得更加经济高效。
@GoodfireAI:神经网络通过旋转形状进行数学运算。我们发现了一个隐藏在大语言模型中的旋转形状计算器——而且它被用于……
GoodfireAI发现,神经网络通过旋转形状进行数学运算,并在一个大语言模型中发现了一个旋转形状计算器,该计算器不仅用于数学。
@simplifyinAI: 重磅:NVIDIA证明反向传播并非构建AI的唯一途径。十亿参数模型已完成训练,无需……
NVIDIA与牛津大学联合推出EGGROLL,一种可扩展的进化策略算法,仅使用整数和并行突变就能训练十亿参数模型,无需反向传播。