Polyhedra booste zkML avec Expander : 9 000 preuves zk par seconde

Polyhedra a lancé une mise à jour novatrice d’Expander, un système qui sert de moteur pour l’apprentissage automatique à connaissance nulle (zkML), un outil crucial. Cette version actualisée inclut la prise en charge de CUDA 13.0, l’optimisation de la mémoire partagée pouvant aller jusqu’à 1 To/s de bande passante, ainsi que des engagements KZG propulsés par GPU. Ces améliorations permettent d’obtenir une performance exceptionnelle de 9 000 preuves zk par seconde sur la courbe elliptique m31ext3.

Pourquoi la compatibilité avec CUDA 13.0 est-elle importante ?

Cette actualisation garantit le bon déroulement des opérations sur la plus récente plateforme GPU, en particulier avec l’heuristique Fiat-Shamir. Cette optimisation offre aux systèmes zkML la capacité de convertir efficacement les protocoles cryptographiques interactifs en protocoles non interactifs, améliorant par conséquent la sécurité et l’efficacité. Avec la compatibilité CUDA 13.0, Polyhedra assure la durabilité d’Expander tout en séduisant plus de clients industriels, désireux d’intégrer cette technologie en tant que système de calcul sécurisé, performant et vérifiable.

Bande passante d’un To/s débloquée

Polyhedra a aussi solutionné l’un des principaux points de congestion liés à l’accès mémoire zkML. Cette optimisation met en évidence les bénéfices de l’association de la cryptographie par courbe elliptique (ECC) et de l’accélération GPU, notamment en ce qui concerne la durée de preuve. Les systèmes de preuve à connaissance nulle tels que les SNARK reposent sur des engagements polynomiaux KZG, qui sont cependant souvent confrontés à des points de congestion informatique.

L’épine dorsale de zkML

Ces diverses améliorations s’assemblent pour conférer à zkML une structure plus rapide et plus solide en situations réelles. L’association récemment dévoilée entre Polyhedra et Berkeley RDI souligne l’attractivité académique et industrielle des applications zkML prêtes à la production. Grâce à l’évolution de l’accélération par GPU, des promesses polynomiales et de la cryptographie optimisée, zkML s’impose progressivement comme une technique courante pour la vérification sécurisée de l’intelligence artificielle.