改變計算屬性，內存計算技術助力人工智慧晶元開發

科技日報記者 馮衛東

通過改變計算的基本屬性，美國普林斯頓大學研究人員日前打造的一款專註於人工智慧系統的新型計算機晶元，可在極大提高性能的同時減少能耗需求。

打開今日頭條，查看更多精彩圖片

該晶元基於內存計算技術，旨在消除處理器需要花費大量時間和能量從內存中獲取數據的主要瓶頸。內存計算直接在內存中執行計算，從而提高速度和效率。該晶元採用標準編程語言，在依賴高性能計算且電池壽命有限的手機、手錶或其他設備上特別有用。

研究人員表示，對於許多應用而言，晶元的節能與性能提升同樣重要。這是因為許多人工智慧應用程序將在由行動電話或可穿戴醫療感測器等電池驅動的設備上運行，而且應用廣泛。這也是對可編程性的需求所在。

經典計算機體系結構將處理數據的中央處理器與存儲數據的內存分離，很多計算機的能耗用於來迴轉移數據。新晶元考慮在架構級別而不是晶體管級別來突破摩爾定律的局限。如果人工智慧可在與計算機內存相同的位置進行，那麼其所需的計算將更加有效，因為它將消除用於獲取遠處存儲數據的時間和能量。但是創建這樣一個系統面臨的挑戰是，內存電路設計得儘可能密集，以便打包大量數據。

新設計使用電容器來解決上述問題，電容器可比晶體管在更密集的空間內進行計算，還可非常精確地製作在晶元上。新設計將電容器與晶元上的靜態隨機存取存儲器（SRAM）的傳統單元配對。電容器和SRAM的組合用於對模擬（非數字）域中的數據進行計算。這種內存電路可按照晶元中央處理單元的指令執行計算。

實驗室測試表明，該晶元的性能比同類晶元快幾十到幾百倍。研究人員稱，其已將內存電路集成到可編程處理器架構中。「如果以前的晶元是強大的引擎，新晶元就是整車。」

普林斯頓大學研製的新晶元主要用於支持為深度學習推理演算法設計的系統，這些演算法允許計算機通過學習數據集來制定決策和執行複雜的任務。深度學習系統可指導自動駕駛汽車、面部識別系統和醫療診斷軟體。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！