پژوهشگران دانشکده مهندسی برق و کامپیوتر دانشکدگان فنی دانشگاه تهران، با ارائه روش جدیدی برای انجام محاسبات عددی در سخت‌افزارهای هوش مصنوعی، توانستند مصرف توان را تا ۸۰٫۳ درصد، زمان پردازش را تا ۶۸٫۳ درصد و فضای مورد نیاز سخت‌افزار را تا ۹۲٫۱ درصد کاهش دهند؛ آن هم با حفظ دقت مدل‌های هوش مصنوعی در سطحی نزدیک به ساختارهای دقیق. روش پیشنهادی با عنوان ELA-FPM بر این ایده استوار است که همه بخش‌های یک محاسبه با یک میزان دقت پردازش نشوند؛ بخش‌های مؤثرتر با دقت بالاتر و بخش‌های کم‌اهمیت‌تر با روش ساده‌تر یا حذف محاسبه می‌شوند. برای بخشی از عملیات از جدول ازپیش‌آماده (LUT) استفاده شده تا مدارهای پیچیده و پرمصرف کاهش یابد. در یکی از پیکربندی‌ها، حداکثر کاهش دقت مدل‌های بررسی‌شده تنها حدود ۰٫۰۵ درصد گزارش شده، در حالی که صرفه‌جویی در زمان، توان و فضای سخت‌افزاری قابل توجه بوده است. روش همچنین روی مدل زبانی BERT آزمایش شده و دقتی نزدیک به حالت محاسبات دقیق به‌دست آمده است. این مقاله در مجله IEEE Micro (مه–ژوئن ۲۰۲۶) منتشر شده و نمونه‌ای از ظرفیت نخبگان فنی کشور در طراحی سخت‌افزار کم‌مصرف برای شتاب‌دهنده‌های شبکه‌های عصبی و مدل‌های زبانی بزرگ است.