待验证50% 置信事实精确时间
D²NN 将多层可训练衍射平面排列，每层微元的透射或反射系数作为可学习参数，优化后固化为物理结构，光通过时的衍射与干涉等效执行前向推理
1
来源数
50%
置信度
长期有效
时效性
2026/10/6
首次发现
来源
涉及实体
相关事实
待验证Dyna架构同时进行直接学习、模型学习和规划三件事，将真实经验与模拟经验统一使用66% 相似待验证深度知识追踪（DKT）等神经网络模型不显式建模掌握这一潜在状态，而是通过循环神经网络或Transformer等架构直接预测学生下一题答对的概率65% 相似待验证量化感知训练在前向传播时插入伪量化节点模拟量化噪声，反向传播时因取整操作不可微而使用STE近似梯度65% 相似待验证推理引擎采用DMA流式加载策略，在计算当前层的同时通过DMA从Flash存储中预取下一层的权重，以隐藏慢速Flash读取延迟64% 相似待验证GNoME基于图神经网络（GNN），通过学习Materials Project等密度泛函理论（DFT）数据库中已知晶体结构稳定性规律进行预测63% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/979825API
curl https://kongchang.com/api/v1/knowledge/claims/979825MCP
get_claim(id=979825)