清华姚班本科生连发两作，十年来最大改进：矩阵乘法接近理论最优

AIGC动态4个月前发布 almosthuman2014

401 0 0

模型信息

【模型公司】 OpenAI
【模型名称】 gpt-4-0125-preview
【摘要评分】 ★★★★★

文章摘要

通过消除「隐藏的低效」问题，计算机科学家提出了一种比以往更快的大型矩阵相乘新方法。这一进展是在矩阵乘法领域中的重要突破，矩阵乘法不仅是高性能计算中的关键问题，也是AI等应用的基石。近日，《量子杂志》报道了两篇论文，展示了矩阵乘法速度的进一步提升，其中一位清华大学大四本科生全程参与了这两篇论文的撰写，为算法改进带来了新希望。

矩阵乘法的改进是计算机科学家长期以来的追求，尽管这个过程本身相对简单，但为了提高效率，科学家们进行了长时间的努力。最近，清华大学的段然、周任飞和加州大学伯克利分校的Hongxun Wu在这个领域取得了重要进展，他们的论文被计算机科学领域的顶会FOCS 2023接收，展示了如何进一步增强矩阵乘法的效率。

矩阵乘法的改进关键在于减少乘法步骤的数量，尽可能将指数从n³降低。1986年，Strassen提出的激光法是加速矩阵乘法过程的重要步骤之一。然而，段然、周任飞和Hongxun Wu的研究揭示了以前未知且未开发的潜在改进来源，他们发现了所谓的「隐藏损失」，并通过减少这种损失，大大提高了矩阵乘法的效率。

他们的研究将ω的新上限设定在了2.371866左右，这是自2010年以来科学家们看到的最大进步。这一成果不仅展示了矩阵乘法速度的进一步提升，也揭示了一种新的改进途径。随着这些研究的进展，我们可以期待在矩阵乘法以及相关领域中取得更多的突破。