Recentemente, a equipe do professor Wu Huaqiang e do professor associado Gao Bin da Escola de Circuitos Integrados da Universidade de Tsinghua desenvolveu a primeira memória memristor totalmente integrada ao sistema e chip integrado de cálculo que suporta aprendizado eficiente no chip (o aprendizado de máquina pode ser concluído diretamente no lado do hardware) com base no armazenamento integrado e paradigma de computação de cálculo. Ele fez um grande avanço no campo da memória memristor e chips integrados de cálculo que suportam o aprendizado no chip e espera-se que promova o desenvolvimento da inteligência artificial, dispositivos vestíveis de direção autônoma e outros campos. Resultados relevantes foram publicados online na última edição da "Science".
A atual pesquisa internacional relevante concentra-se principalmente na demonstração de funções de aprendizagem no nível do array de memristores. No entanto, a realização de um chip memristor totalmente integrado ao sistema que suporte aprendizagem eficiente no chip ainda enfrenta grandes desafios e ainda não foi realizada. A principal razão é que o método de atualização de peso de alta precisão exigido pelo algoritmo de treinamento de retropropagação tradicional tem pouca adaptabilidade às características reais do memristor.
Entende-se que enfrentando o grande desafio da arquitetura tradicional de armazenamento e separação de computação que restringe a melhoria do poder de computação, Wu Huaqiang e Gao Bin propuseram criativamente um novo algoritmo e arquitetura universal (STELLAR) que adapta o armazenamento de memristor e a integração computacional para alcançar aprendizagem eficiente no chip. Ele realiza efetivamente a integração tridimensional monolítica de matrizes de memristores analógicos em grande escala e CMOS. Por meio da inovação colaborativa de todo o processo de algoritmo, arquitetura e métodos de integração, eles desenvolveram o primeiro chip integrado de computação e armazenamento de memristor totalmente integrado ao sistema do mundo que oferece suporte ao aprendizado eficiente no chip.
O chip contém todos os módulos de circuito necessários para suportar o aprendizado completo no chip. Ele concluiu com sucesso várias verificações de funções de aprendizagem incremental no chip, como classificação de imagens, reconhecimento de fala e tarefas de controle. Demonstrou alta adaptabilidade, alta eficiência energética, alta versatilidade, alta precisão e outras características, fortalecendo efetivamente a adaptabilidade de aprendizagem de dispositivos inteligentes em cenários de aplicação prática. Na mesma tarefa, o consumo de energia do chip para aprendizagem no chip é de apenas 3% daquele de um sistema de circuito integrado de aplicação específica (ASIC) sob tecnologia avançada. Ele apresenta excelentes vantagens de eficiência energética e tem grande potencial de aplicação para atender às necessidades de alto poder computacional da era da inteligência artificial. Ele fornece um caminho de desenvolvimento inovador para romper o gargalo da eficiência energética da arquitetura de computação tradicional de von Neumann.
acesso:
Shopping Jingdong