最近、清華大学集積回路学部の呉華強教授と高斌准教授のチームは、統合されたストレージと計算コンピューティングのパラダイムに基づいて、効率的なオンチップ学習（機械学習はハードウェア側で直接完了できる）をサポートする、世界初の完全にシステム統合されたメモリスタメモリと計算統合チップを開発した。オンチップ学習をサポートするメモリと演算統合チップのメモリスタ分野で大きな進歩を遂げ、人工知能や自動運転ウェアラブルデバイスなどの発展を促進すると期待されている。関連する結果は、「Science」誌の最新号にオンラインで掲載されました。
現在の国際的な関連研究は、主にメモリスタアレイレベルでの学習機能の実証に焦点を当てています。しかし、効率的なオンチップ学習をサポートする完全にシステム統合されたメモリスタチップの実現には依然として大きな課題があり、まだ実現されていません。その主な理由は、従来のバックプロパゲーショントレーニングアルゴリズムで必要とされる高精度の重み更新方法がメモリスタの実際の特性への適応性が低いことです。
コンピューティング能力の向上を制限する従来のストレージとコンピューティングの分離アーキテクチャという大きな課題に直面して、Wu Huaqiang と Gao Bin は効率的なオンチップ学習を達成するためにメモリスタ ストレージとコンピューティングの統合を適応させる新しいユニバーサル アルゴリズムとアーキテクチャ (STELLAR) を創造的に提案したことが理解されています。大規模アナログメモリスタアレイとCMOSのモノリシック三次元集積を効果的に実現します。アルゴリズム、アーキテクチャ、統合方法のプロセス全体の共同革新を通じて、効率的なオンチップ学習をサポートする世界初の完全にシステム統合されたメモリスタストレージとコンピューティング統合チップを開発しました。
チップには、完全なオンチップ学習をサポートするために必要なすべての回路モジュールが含まれています。画像分類、音声認識、制御タスクなど、さまざまなオンチップ増分学習機能の検証に成功しました。高い適応性、高いエネルギー効率、高い汎用性、高精度などの特性を実証し、実際のアプリケーションシナリオにおけるスマートデバイスの学習適応性を効果的に強化します。同じタスクの下で、オンチップ学習のためのチップのエネルギー消費量は、先進技術による特定用途向け集積回路 (ASIC) システムのエネルギー消費量のわずか 3% です。優れたエネルギー効率の利点を示し、人工知能時代の高いコンピューティング能力のニーズを満たす大きな応用可能性を秘めています。これは、従来のノイマン コンピューティング アーキテクチャの下でのエネルギー効率のボトルネックを突破するための革新的な開発パスを提供します。
アクセス：
京東モール