University of Wisconsin-Madison（威斯康星大学麦迪逊分校）

NeuronMLP: Efficient LLM Inference via Singular Value Decomposition Compression and Tiling on AWS Trainium

NeuronMLP：通过AWS Trainium上的奇异值分解压缩和分块实现高效的LLM推理

Dinghong Song, Jierui Xu, Weichu Yang, Pengfei Su, Dong Li

机构 * University of California, Merced USA ； University of Wisconsin, Madison USA ； Yotta Labs \& University of California, Merced USA ； University of California, Merced ； University of Wisconsin, Madison ； Yotta Labs \& University of California, Merced 纠错

AI总结 本文提出NeuronMLP，基于奇异值分解压缩和分块技术优化AWS Trainium上的LLM推理，通过定制化技术减少数据移动，提升SRAM带宽，实现1.35倍的内核加速和1.21倍的端到端推理加速。

Comments 12 pages, 8 figures

Efficient measurement of neutral-atom qubits with matched filters

高效测量中性原子量子比特的匹配滤波器

Robert M. Kent, Linipun Phuttitarn, Chaithanya Naik Mude, Swamit Tannu, Mark Saffman, Gregory Lafyatis, Daniel J. Gauthier

机构 * The Ohio State University, Department of Physics（俄亥俄州立大学物理系） ； Department of Physics, University of Wisconsin-Madison（威斯康星大学麦迪逊分校物理系） ； Department of Computer Sciences, University of Wisconsin-Madison（威斯康星大学麦迪逊分校计算机科学系） ； Infleqtion, Inc.（Infleqtion公司） ； ResCon Technologies, LLC（ResCon Technologies LLC） 纠错

AI总结 本文提出两种简单可扩展的机器学习算法，用于解决中性原子量子处理器的读取串扰问题，通过局部模型和邻近量子比特信息减少误差，提升测量精度。

Journal ref Phys. Rev. Applied 25, 044048 (2026)