但區別于特殊用途集成電路asic的單一功能，神經性網絡器在處理更加復雜的問題方面更加靈活。
一般都可以利用軟件或硬件依照網絡運算的特性特別編程從而實現網絡的特殊用途，在一塊芯片上實現許多不同功能，以應用于多種不同的網絡設備及產品。
而海思和華芯設計的這套架構，通過采用“數據驅動并行計算”的方式，在處理視頻、圖像類的海量多媒體數據上相對比傳統方式更加擅長。
可以說是青出于藍而勝于藍。
不過目前這套架構在構造的時候涉及到了很多的系統性的數學難題，比如激活函數、二維數據運算、解壓縮等模塊等等。
如果是在常規的cu或者gu芯片中，這些問題并不是難題。但是nu神經性網絡架構和前兩者的性質不同，其數學的兼容性也完全不同。
這就導致設計出來的芯片在性能上甚至還不如10納米甚至是14納米的芯片。
目前來說，卡主海思和華芯的難點就在這里。
神經網絡和機器學習處理在現在還是處于需求爆發的初期，這方面的數學家相對比傳統的cugu架構數學家要少很多，國外研究這方面的人才都沒有多少，更別提國內了。
所以迫不得已之下，發改那邊才找上了他，寄希望于他能幫忙解決一下這方面的數學難題。
了解清楚整體的情況后，徐川才點開了數學文件，翻閱了起來。
大規模稀疏矩陣特征值計算
非線性常微分方程組的初值問題的整體解
神經性網絡架構下的一階非線性時滯微分方程初值問題
基于nu的多項式矩陣特征值并行
一項項的題目在他眼中劃過，問題不算多，也不算少，總共十幾個的樣子，大部分都是基于nu神經性網絡架構下誕生的難點。
徐川先挨個點開了問題看了看，從數學基礎上來說，這些問題對于他而言并不難，但是涉及到nu神經性網絡架構，他就不是很懂了。
要研究的話，他得先學一下nu神經性網絡架構，了解一下大致，然后再來做。
不過也不全是這些，有兩三個數學問題他現在應該就能解決。
芯片設計中涉及到的這些數學難題再復雜，對他來說難度也就那樣。
不管多么復雜的計算方法，多么復雜的模型架構和取值，也不可能比可控核聚變中的高溫高壓等離子體湍流模型更加復雜，更不可能和七大千禧年難題相比。
而在已經解決了兩個七大千禧年難題的他看來，這些題目用小學生的數學來形容可能有點過于夸大，但頂多也就是大學生的程度。
反正在看到這些題目的時候，他腦海中就已經有了解決的思路和方法。
花費了半個多小時的時間將毛舜帶過來的文檔整體粗略的過了一遍后，徐川坐直了身體，伸了個懶腰后長舒了口氣，靠在椅子上思索了起來。
對面，屁股挨著半邊椅子在書房中枯坐了半天的毛舜頓時就投來了期盼的目光。
不過還未等他開口，對面的徐川就從抽屜中摸出了稿紙和筆，重新低下了頭開始忙碌了起來。
見狀，已經突到了喉嚨的話又被他強行咽了下去。
對面，徐川沒理會還坐在書房中的毛舜，手中的黑色簽字筆快速的在稿紙上列下標題。
分數布朗運動驅動的隨機時滯微分方程的穩定性分析
“一些記號和函數空間的定義設，，是一個完備的概率空間，具有一個非降的σ代數族{t}t0滿足通常的條件，即{t}to是右連續的且o包含所有的零測集，對所有的tat0，令o符號表示”
“則時分數boev空間可以被定義為其范數為hs0d{uhsd，suud}”
“”