Zhan Chen

AMARA把离散概率图模型上的MCMC采样拆成编译器可处理的中间表示，再映射到可编程专用芯片上执行。此前CPU和GPU靠复制多条马尔可夫链提高吞吐，但复制4096条链只带来约270倍增益，专用加速器又常绑定固定拓扑或更新调度。AMARA在网格结构、不规则能量模型和因果推断网络上评测，在不规则负载上相对JAX-GPU基线取得平均（最高）更高的采样吞吐，并比现有加速器支持更广的离散模型范围。

AMARA把离散概率图模型上的MCMC采样拆成编译器可处理的中间表示，再映射到可编程专用芯片上执行。此前CPU和GPU靠复制多条马尔可夫链提高吞吐，但复制4096条链只带来约270倍增益，专用加速器又常绑定固定拓扑或更新调度。AMARA在网格结构、不规则能量模型和因果推断网络上评测，在不规则负载上相对JAX-GPU基线取得平均（最高）更高的采样吞吐，并比现有加速器支持更广的离散模型范围。