Polyhedra a publié un changement de paradigme avec Expander, un système utilisé pour alimenter l'apprentissage automatique à connaissance nulle (zkML), un moteur important. La mise à jour offre une compatibilité avec CUDA 13.0, une optimisation de la mémoire partagée allant jusqu'à 1 To/s de bande passante, et des engagements KZG accélérés par GPU qui permettent d'obtenir des preuves zk incroyables de 9000 par seconde sur la courbe elliptique m31ext3.
Pourquoi la compatibilité avec CUDA 13.0 est-elle importante ?
La mise à jour permet une fonctionnalité sans faille sur l'installation basée sur GPU plus actuelle, notamment dans l'heuristique Fiat-Shamir. Cette optimisation permet aux systèmes zkML de transformer efficacement les protocoles cryptographiques interactifs en protocoles non interactifs, renforçant ainsi à la fois la sécurité et la performance. La compatibilité avec CUDA 13.0 dote Polyhedra de la capacité de préparer l'avenir d'Expander et d'attirer davantage de clients dans le secteur industriel qui seront prêts à adopter la technologie en tant que système de calcul sécurisé, rapide et vérifiable.
Bande passante de 1 To/s déverrouillée
Les polyèdres ont également abordé l'un des plus grands goulets d'étranglement de l'accès aux mémoires zkML. Cette optimisation démontre ce que la combinaison de la cryptographie à courbe elliptique (ECC) et de l'accélération GPU peut réaliser en termes de temps de preuve. Les SNARKs et d'autres systèmes de preuves à connaissance nulle sont basés sur des engagements polynomiaux KZG, qui rencontrent cependant généralement des goulets d'étranglement computationnels.
Pilier de zkML
Tous ces améliorations combinées apportent une colonne vertébrale à zkML qui est non seulement plus rapide mais aussi plus robuste dans le monde réel. Le partenariat annoncé par Polyhedra avec Berkeley RDI est la preuve de l'adhérence académique et industrielle des applications zkML prêtes pour la production. À mesure que l'état de l'accélération GPU, des engagements polynomiaux et de l'optimisation cryptographique progresse, zkML devient une méthode grand public de vérification sécurisée de l'IA.
Cette page peut inclure du contenu de tiers fourni à des fins d'information uniquement. Gate ne garantit ni l'exactitude ni la validité de ces contenus, n’endosse pas les opinions exprimées, et ne fournit aucun conseil financier ou professionnel à travers ces informations. Voir la section Avertissement pour plus de détails.
Polyhedra renforce zkML avec Expander : 9000 preuves zk par seconde
Polyhedra a publié un changement de paradigme avec Expander, un système utilisé pour alimenter l'apprentissage automatique à connaissance nulle (zkML), un moteur important. La mise à jour offre une compatibilité avec CUDA 13.0, une optimisation de la mémoire partagée allant jusqu'à 1 To/s de bande passante, et des engagements KZG accélérés par GPU qui permettent d'obtenir des preuves zk incroyables de 9000 par seconde sur la courbe elliptique m31ext3.
Pourquoi la compatibilité avec CUDA 13.0 est-elle importante ?
La mise à jour permet une fonctionnalité sans faille sur l'installation basée sur GPU plus actuelle, notamment dans l'heuristique Fiat-Shamir. Cette optimisation permet aux systèmes zkML de transformer efficacement les protocoles cryptographiques interactifs en protocoles non interactifs, renforçant ainsi à la fois la sécurité et la performance. La compatibilité avec CUDA 13.0 dote Polyhedra de la capacité de préparer l'avenir d'Expander et d'attirer davantage de clients dans le secteur industriel qui seront prêts à adopter la technologie en tant que système de calcul sécurisé, rapide et vérifiable.
Bande passante de 1 To/s déverrouillée
Les polyèdres ont également abordé l'un des plus grands goulets d'étranglement de l'accès aux mémoires zkML. Cette optimisation démontre ce que la combinaison de la cryptographie à courbe elliptique (ECC) et de l'accélération GPU peut réaliser en termes de temps de preuve. Les SNARKs et d'autres systèmes de preuves à connaissance nulle sont basés sur des engagements polynomiaux KZG, qui rencontrent cependant généralement des goulets d'étranglement computationnels.
Pilier de zkML
Tous ces améliorations combinées apportent une colonne vertébrale à zkML qui est non seulement plus rapide mais aussi plus robuste dans le monde réel. Le partenariat annoncé par Polyhedra avec Berkeley RDI est la preuve de l'adhérence académique et industrielle des applications zkML prêtes pour la production. À mesure que l'état de l'accélération GPU, des engagements polynomiaux et de l'optimisation cryptographique progresse, zkML devient une méthode grand public de vérification sécurisée de l'IA.