Polyhedra ha lanzado un cambio de paradigma de Expander, un sistema utilizado para potenciar el aprendizaje automático de conocimiento cero (zkML), un motor importante. La actualización proporciona compatibilidad con CUDA 13.0, optimización de memoria compartida de hasta 1 TB/s de ancho de banda y compromisos KZG acelerados por GPU que conducen a increíbles 9000 pruebas zk por segundo en la curva elíptica m31ext3.
¿Por qué es importante la compatibilidad con CUDA 13.0?
La actualización permite una funcionalidad sin fallos en la instalación más actual basada en GPU, especialmente en la heurística Fiat-Shamir. Esta optimización permite que los sistemas zkML conviertan efectivamente los protocolos criptográficos interactivos en no interactivos, lo que fortalece tanto la seguridad como el rendimiento. La compatibilidad con CUDA 13.0 dota a Polyhedra de la capacidad de preparar el futuro de Expander y atraer a más clientes en el sector industrial que estarán dispuestos a adoptar la tecnología como un sistema de computación seguro, rápido y verificable.
Un TB/s de ancho de banda desbloqueado
Polyhedra también abordó uno de los mayores cuellos de botella del acceso a memorias de zkML. Esta optimización demuestra lo que la combinación de criptografía de curva elíptica (ECC) y la aceleración de GPU puede lograr en los tiempos de prueba. Los SNARKs y otros sistemas de prueba de conocimiento cero se basan en compromisos polinómicos KZG, que sin embargo suelen encontrar cuellos de botella computacionales.
Espina dorsal de zkML
Todas estas mejoras se combinan para proporcionar una columna vertebral a zkML que no solo es más rápida, sino también más robusta en lo que respecta al mundo real. La asociación anunciada por polyhedra con Berkeley RDI es evidencia de la tracción académica e industrial de las aplicaciones zkML listas para producción. A medida que avanza el estado de la aceleración de GPU, los compromisos polinómicos y la optimización criptográfica, zkML se está convirtiendo en un método de verificación segura de IA de uso general.
Esta página puede contener contenido de terceros, que se proporciona únicamente con fines informativos (sin garantías ni declaraciones) y no debe considerarse como un respaldo por parte de Gate a las opiniones expresadas ni como asesoramiento financiero o profesional. Consulte el Descargo de responsabilidad para obtener más detalles.
Polyhedra impulsa zkML con Expander: 9000 pruebas zk por segundo
Polyhedra ha lanzado un cambio de paradigma de Expander, un sistema utilizado para potenciar el aprendizaje automático de conocimiento cero (zkML), un motor importante. La actualización proporciona compatibilidad con CUDA 13.0, optimización de memoria compartida de hasta 1 TB/s de ancho de banda y compromisos KZG acelerados por GPU que conducen a increíbles 9000 pruebas zk por segundo en la curva elíptica m31ext3.
¿Por qué es importante la compatibilidad con CUDA 13.0?
La actualización permite una funcionalidad sin fallos en la instalación más actual basada en GPU, especialmente en la heurística Fiat-Shamir. Esta optimización permite que los sistemas zkML conviertan efectivamente los protocolos criptográficos interactivos en no interactivos, lo que fortalece tanto la seguridad como el rendimiento. La compatibilidad con CUDA 13.0 dota a Polyhedra de la capacidad de preparar el futuro de Expander y atraer a más clientes en el sector industrial que estarán dispuestos a adoptar la tecnología como un sistema de computación seguro, rápido y verificable.
Un TB/s de ancho de banda desbloqueado
Polyhedra también abordó uno de los mayores cuellos de botella del acceso a memorias de zkML. Esta optimización demuestra lo que la combinación de criptografía de curva elíptica (ECC) y la aceleración de GPU puede lograr en los tiempos de prueba. Los SNARKs y otros sistemas de prueba de conocimiento cero se basan en compromisos polinómicos KZG, que sin embargo suelen encontrar cuellos de botella computacionales.
Espina dorsal de zkML
Todas estas mejoras se combinan para proporcionar una columna vertebral a zkML que no solo es más rápida, sino también más robusta en lo que respecta al mundo real. La asociación anunciada por polyhedra con Berkeley RDI es evidencia de la tracción académica e industrial de las aplicaciones zkML listas para producción. A medida que avanza el estado de la aceleración de GPU, los compromisos polinómicos y la optimización criptográfica, zkML se está convirtiendo en un método de verificación segura de IA de uso general.