深圳大数据研究所和香港中国大学（深圳）研究小组的最新研究发现，这种类型的矩阵的特殊复制可能会加速，并且在研究和组合技术的组合组合的整合中发现了一种新的算法，从而节省了数量增加数量的5％。纸张标题：XXT可以是更快的纸张链接：https：//arxiv.org/abs/2505.09814这个结果在国际社交媒体平台X上引起了激烈的讨论，并引起了MIT，Stanford，Harvard，Harvard，Harvard和Google DeepMind的科学家的广泛关注。在计算机科学领域，优化的背景矩阵复制可以称为“珠穆朗玛峰”。自1969年Strassen算法出现以来，数学家迷宫充满了金刚爆炸的可能性，继续测试人类智能的边界。 Google DeepMind将四年的努力集中在这个职业上Blem并最近启动了诸如Alpatensor和Alphaevolve之类的机器学习系统，以克服此问题。这就像一个短跑运动员，将100米记录从9.58秒到9.57秒，每0.01秒崩溃一次是对计算理论限制的重新定义。 。这种矩阵的特殊复制类型引起了一点关注。 Google DeepMind的Alphatensor和Alphaevolve用特殊结构来体现AB矩阵繁殖，但他们尚未报告全世界每分钟在全球范围内进行的任何这些操作。如果可以减少操作计算量，则可以为消耗的消费开销带来可观的节省。令人惊讶的是，与基质AB的通用繁殖相比，研究人员通过观察有一个超速计算的空间！该团队的特殊操作结构发现，主要贡献是由AI技术做出的，研究团队发现了一种新的算法（RXTX）来减少在此标准的基础操作中，E操作量增加了5％，这可能会更多地转换为5％的节省能源消耗和时间（尤其是，耗能消耗的间接费用主要是由于运行数量的数量数量的能源消耗的能源消耗数量）。值得一提的是，5％的RXTX加速度不仅在超大的Matrice量表中有效，而且对小型Matrice有效。 For example, RXTX requires only 34 reproduction operations for 4x4 Matrix X. DATi, the most advanced strassen algorithm requires 38 reproduction (reducing the volume of operations by 10%. The research team reviews the complexity of reproduction operations. The results of the review show that the asymmetry constant of RXTX is 26/41≈0.63, which is 2/3 compared to the previous best值≈0.666研究组进一步提供了总操作量的复杂性（多个添加）。加强钢筋生产双线性产品以发展一个人组合的问题（MILP-A）：在问题二（MILP-B）的线性组合中构建目标表达：过滤最低产品集，该产品可以完全表达这些结果，这是DeepMind爆发的变化一百万次。以下是研究团队提供的2*2矩阵的简单示例：总结本文提出了一种创新的接近方法，用于这种矩阵的特殊复制。通过引入AI方法，设计了一种新的“ RXTX”算法，成功地实现了5％的总操作量的优化。这一突破不仅是扩大人类对COM复杂性边界的理解的理论，而且还为相关领域的算法优化提供了新的研究范式。鉴于矩阵在许多学科中的主要作用，这项研究的结果有望带来重要的ENE优化实际应用情况的差异。但是，新算法的工程技术仍面临着重大挑战，例如硬件适应和内存管理，其工业化仍然需要学术和工业领域之间的持续合作。为了实现新算法的全面实施，仍然存在许多挑战，这是很长的路要走。参考文献Rybin，Dmitry，Yushun Zhang和Zhi-Quan Luo。 $ xx^{t} $可以更快。 ARXIV预印型ARXIV：2505.09814（2025）。