محققان تکنیک جدیدی به نام «Flash EQ-Linear» ابداع کردهاند که انقلابی در اجرای شبکههای عصبیِ هممتغیر (Equivariant Networks) ایجاد میکند.
مشکل اصلی مدلهای فعلی این است که با وجود کارایی بالا در یادگیریِ تقارنهای هندسی، از نظر محاسباتی بسیار سنگین هستند. حالا با این الگوریتم جدید که از «تبدیل فوریه گسسته» (DFT) استفاده میکند، سرعت اجرای لایههای خطی تا ۲ برابر و سرعت کلی مدلهایی مثل EQ-ViT تا ۱.۷ برابر افزایش یافته است! ⚡️
این یعنی مدلهای هوش مصنوعی در آینده نهتنها دقیقتر، بلکه بسیار سریعتر و بهینهتر اجرا خواهند شد.
منبع: arXiv Computer Vision