Wir stellen Centaurus vor, eine Klasse von Netzwerken, die aus verallgemeinerten Zustandsraummodell-Blöcken (SSM) besteht, bei denen die SSM-Operationen während des Trainings als Tensor-Kontraktionen behandelt werden können. Die optimale Reihenfolge der Tensor-Kontraktionen kann dann systematisch für jeden SSM-Block bestimmt werden, um die Trainings-effizienz zu maximieren. Dies ermöglicht eine größere Flexibilität beim Design von SSM-Blöcken über die üblicherweise implementierte tiefgangweise trennbare Konfiguration hinaus. Die neuen Designentscheidungen werden sich von klassischen Faltungsblöcken wie Gruppenfaltungen, vollständigen Faltungen und Flaschenhalsblöcken inspirieren lassen. Wir gestalten das Centaurus-Netzwerk mit einer Mischung dieser Blöcke, um ein Gleichgewicht zwischen Netzwerkgröße und Leistung sowie Speicher- und Recheneffizienz während des Trainings und der Inferenz herzustellen. Wir zeigen, dass dieses heterogene Netzwerkdesign seine homogenen Gegenstücke in Rohaudiodatenverarbeitungsaufgaben wie Schlüsselworterkennung, Sprachentrauschung und automatische Spracherkennung (ASR) übertrifft. Für ASR ist Centaurus das erste Netzwerk mit wettbewerbsfähigem Leistungsvermögen, das vollständig auf Zustandsraummodellen basiert, ohne irgendeine nichtlineare Rekurrenz (LSTMs), explizite Faltungen (CNNs) oder (proxys-) Aufmerksamkeitsmechanismen zu verwenden. Der Quellcode ist als Ergänzungsmaterial unter https://openreview.net/forum?id=PkpNRmBZ32 verfügbar.