Ultrafast machine learning on FPGAs via Kolmogorov-Arnold Networks

摘要

文章阐述了 KAN（Kolmogorov-Arnold Networks）在 FPGA 硬件加速中的优势。通过将 KAN 的单变量激活函数转化为查找表（LUT），实现了比以往 KAN-FPGA 方案快 2700 倍的推理速度。此外，利用 B-样条基函数的局部性和定点量化稳定性，该方案支持在 FPGA 上直接进行亚微秒级的在线梯度更新，解决了传统 MLP 在硬件上训练时资源消耗大且量化不稳定的问题，适用于量子控制和核聚变等高频实时场景。