據(jù)清華大學10月9日消息，清華大學集成電路學院教授吳華強、副教授高濱團隊基于存算一體計算范式，研制出全球首顆全系統(tǒng)集成的、支持高效片上學習（機器學習能在硬件端直接完成）的憶阻器存算一體芯片，在支持片上學習的憶阻器存算一體芯片領(lǐng)域取得重大突破，有望促進人工智能、自動駕駛可穿戴設(shè)備等領(lǐng)域發(fā)展。相關(guān)成果在線發(fā)表于最新一期的《科學》雜志。

　　錢鶴、吳華強團隊經(jīng)過11年科研“長征”，從憶阻器件到原型芯片再到系統(tǒng)集成，攻克了AI算力瓶頸難題，攻克“卡脖子”關(guān)鍵核心技術(shù)，成果涉及憶阻器集成芯片、存算一體系統(tǒng)、ADAM算法加速器......有望促進人工智能、自動駕駛、可穿戴等領(lǐng)域的發(fā)展。

　　記憶電阻器（Memristor，憶阻器），是繼電阻、電容、電感之后的第四種電路基本元件。它可以在斷電之后，仍能“記憶”通過的電荷，被當做新型納米電子突觸器件。早在1946年，“計算機之父”馮·諾依曼提出并定義了計算機架構(gòu)，采用二進制的編碼，由存儲器和處理器分別完成數(shù)據(jù)存儲和計算。但是，隨著人工智能等應(yīng)用對數(shù)據(jù)存儲和計算需求的不斷提升，數(shù)據(jù)來回“搬運”處理，耗時長，功耗大，還可能存在“交通堵塞”的風險。

　　2020年，錢鶴、吳華強團隊基于多陣列憶阻器，搭建了一個全硬件構(gòu)成的完整存算一體系統(tǒng)，在這個系統(tǒng)上高效運行了卷積神經(jīng)網(wǎng)絡(luò)算法，成功驗證了圖像識別功能，比圖形處理器芯片的能效高兩個數(shù)量級，大幅提升了計算設(shè)備的算力，實現(xiàn)了以更小的功耗和更低的硬件成本完成復雜的計算。

　　集微網(wǎng)了解到，存算一體架構(gòu)徹底消除了數(shù)據(jù)在邏輯處理器與存儲芯片之間的搬遷問題，減少能量消耗及延遲，在邊緣計算和云計算中有廣泛的應(yīng)用前景。

　　相同任務(wù)下，該芯片實現(xiàn)片上學習的能耗僅為先進工藝下專用集成電路（ASIC）系統(tǒng)的1/35，同時有望實現(xiàn)75倍的能效提升。

　　博士后姚鵬介紹，“存算一體片上學習在實現(xiàn)更低延遲和更小能耗的同時，能夠有效保護用戶隱私和數(shù)據(jù)。”該芯片參照仿生類腦處理方式，可實現(xiàn)不同任務(wù)的快速“片上訓練”與“片上識別”，能夠有效完成邊緣計算場景下的增量學習任務(wù)，以極低的耗電適應(yīng)新場景、學習新知識，以滿足用戶的個性化需求。

　　吳華強希望團隊的方案、技術(shù)能夠走出實驗室，切切實實推動科研成果轉(zhuǎn)化，致力服務(wù)國家所需、社會所需。

更多精彩內(nèi)容歡迎點擊>>電子技術(shù)應(yīng)用<<