A Polyhedra lançou uma mudança de paradigma do Expander, um sistema usado para alimentar o aprendizado de máquina de conhecimento zero (zkML), um motor importante. A atualização proporciona compatibilidade com CUDA 13.0, otimização de memória compartilhada de até 1 TB/s de largura de banda e compromissos KZG acelerados por GPU, que levam a incríveis 9000 provas zk por segundo na curva elíptica m31ext3.
Por que a compatibilidade com CUDA 13.0 é importante?
A atualização permite uma funcionalidade sem falhas na instalação mais atual baseada em GPU, especialmente na heurística Fiat-Shamir. Esta otimização permite que os sistemas zkML transformem efetivamente protocolos criptográficos interativos em não interativos, tornando tanto a segurança quanto o desempenho mais robustos. A compatibilidade com CUDA 13.0 equipa a Polyhedra com a capacidade de garantir a longevidade do Expander e atrair mais clientes no setor industrial que estarão dispostos a adotar a tecnologia como um sistema de computação seguro, rápido e verificável.
Um TB/s de Largura de Banda Desbloqueado
Os poliedros também abordaram um dos maiores gargalos do zkML ao acessar memórias. Esta otimização demonstra exatamente o que a combinação de criptografia de curva elíptica (ECC) e aceleração de GPU pode alcançar em tempos de prova. Os SNARKs e outros sistemas de prova de conhecimento zero são baseados em compromissos polinomiais KZG, que, no entanto, geralmente enfrentam gargalos computacionais.
Backbone do zkML
Todas essas atualizações se combinam para trazer uma espinha dorsal ao zkML que é não apenas mais rápida, mas também mais robusta quando se trata do mundo real. A parceria anunciada pela Polyhedra com a Berkeley RDI é uma evidência da tração acadêmica e industrial de aplicações zkML prontas para produção. À medida que o estado da aceleração de GPU, compromissos polinomiais e otimização criptográfica avança, o zkML está se tornando um método mainstream de verificação segura de IA.
Esta página pode conter conteúdos de terceiros, que são fornecidos apenas para fins informativos (sem representações/garantias) e não devem ser considerados como uma aprovação dos seus pontos de vista pela Gate, nem como aconselhamento financeiro ou profissional. Consulte a Declaração de exoneração de responsabilidade para obter mais informações.
Polyhedra Aumenta zkML com Expander: 9000 zk Provas Por Segundo
A Polyhedra lançou uma mudança de paradigma do Expander, um sistema usado para alimentar o aprendizado de máquina de conhecimento zero (zkML), um motor importante. A atualização proporciona compatibilidade com CUDA 13.0, otimização de memória compartilhada de até 1 TB/s de largura de banda e compromissos KZG acelerados por GPU, que levam a incríveis 9000 provas zk por segundo na curva elíptica m31ext3.
Por que a compatibilidade com CUDA 13.0 é importante?
A atualização permite uma funcionalidade sem falhas na instalação mais atual baseada em GPU, especialmente na heurística Fiat-Shamir. Esta otimização permite que os sistemas zkML transformem efetivamente protocolos criptográficos interativos em não interativos, tornando tanto a segurança quanto o desempenho mais robustos. A compatibilidade com CUDA 13.0 equipa a Polyhedra com a capacidade de garantir a longevidade do Expander e atrair mais clientes no setor industrial que estarão dispostos a adotar a tecnologia como um sistema de computação seguro, rápido e verificável.
Um TB/s de Largura de Banda Desbloqueado
Os poliedros também abordaram um dos maiores gargalos do zkML ao acessar memórias. Esta otimização demonstra exatamente o que a combinação de criptografia de curva elíptica (ECC) e aceleração de GPU pode alcançar em tempos de prova. Os SNARKs e outros sistemas de prova de conhecimento zero são baseados em compromissos polinomiais KZG, que, no entanto, geralmente enfrentam gargalos computacionais.
Backbone do zkML
Todas essas atualizações se combinam para trazer uma espinha dorsal ao zkML que é não apenas mais rápida, mas também mais robusta quando se trata do mundo real. A parceria anunciada pela Polyhedra com a Berkeley RDI é uma evidência da tração acadêmica e industrial de aplicações zkML prontas para produção. À medida que o estado da aceleração de GPU, compromissos polinomiais e otimização criptográfica avança, o zkML está se tornando um método mainstream de verificação segura de IA.