uranium-series

URANIUM SERIES 是一个研究论文系列，挑战了神经计算的基础假设。该系列以铀的衰变链为隐喻，每篇论文代表一个发现阶段，逐步揭示计算的基本原理。系列内容包括：GPU架构作为硅中的算法选择（GPU as Code）、1-bit权重足以学习（1-Bit Intelligence）、无需反向传播的前向学习（Forward-Only Learning），以及即将发布的关于自回归架构自我条件失败模式的研究（Ghost Protocol）。这些研究共同证明了神经计算的基础比假设的更基本也更脆弱：硬件以算法方式计算，单比特携带智能，前向传递无需回溯即可学习，而自我反馈的架构最终会自我毁灭。该系列属于高风险高回报的放射性研究，适合对神经计算基础、二进制神经网络、硬件-软件融合等领域感兴趣的研究者。