隨著摩爾定律趨近極限，通過(guò)集成電路工藝微縮的方式獲得算力提升越來(lái)越難;而計(jì)算與存儲(chǔ)在不同電路單元中完成，會(huì)造成大量數(shù)據(jù)搬運(yùn)功耗增加和額外延遲。如何提高算力，突破技術(shù)瓶頸?26日，記者從清華大學(xué)獲悉，該校微電子所、未來(lái)芯片技術(shù)高精尖創(chuàng)新中心錢(qián)鶴、吳華強(qiáng)教授團(tuán)隊(duì)，與合作者共同研發(fā)出一款基于多個(gè)憶阻器陣列的存算一體系統(tǒng)，在處理卷積神經(jīng)網(wǎng)絡(luò)時(shí)的能效比圖形處理器芯片高兩個(gè)數(shù)量級(jí)，大幅提升計(jì)算設(shè)備的算力，且比傳統(tǒng)芯片的功耗降低100倍。相關(guān)成果近日發(fā)表于《自然》雜志上。
如何用計(jì)算存儲(chǔ)一體化突破AI算力瓶頸，是近年來(lái)國(guó)內(nèi)外的科研熱點(diǎn)。尋找合適的硬件，是提升算力的基礎(chǔ)之一。
錢(qián)鶴、吳華強(qiáng)教授團(tuán)隊(duì)通過(guò)優(yōu)化材料和器件結(jié)構(gòu)，成功制備出高性能憶阻器陣列。為解決器件非理想特性造成的系統(tǒng)識(shí)別準(zhǔn)確率下降問(wèn)題，他們提出一種新型的混合訓(xùn)練算法，僅需用較少的圖像樣本訓(xùn)練神經(jīng)網(wǎng)絡(luò)，并通過(guò)微調(diào)最后一層網(wǎng)絡(luò)的部分權(quán)重，使存算一體架構(gòu)在手寫(xiě)數(shù)字集上的識(shí)別準(zhǔn)確率達(dá)到96.19%，與軟件的識(shí)別準(zhǔn)確率相當(dāng)。
同時(shí)，他們提出空間并行的機(jī)制，將相同卷積核編程到多組憶阻器陣列中，各組憶阻器陣列可并行處理不同的卷積輸入塊，提高并行度來(lái)加速卷積計(jì)算。
在此基礎(chǔ)上，該團(tuán)隊(duì)搭建了全硬件構(gòu)成的完整存算一體系統(tǒng)，在系統(tǒng)里集成了多個(gè)憶阻器陣列，并在該系統(tǒng)上高效運(yùn)行了卷積神經(jīng)網(wǎng)絡(luò)算法，成功驗(yàn)證了圖像識(shí)別功能，證明了存算一體架構(gòu)全硬件實(shí)現(xiàn)的可行性。
“基于憶阻器的新型存算一體架構(gòu)，可以打破算力瓶頸，滿(mǎn)足人工智能等復(fù)雜任務(wù)對(duì)計(jì)算硬件的高需求。”清華大學(xué)未來(lái)芯片技術(shù)高精尖創(chuàng)新中心教授吳華強(qiáng)說(shuō)。(金鳳)
關(guān)鍵詞： 憶阻器
營(yíng)業(yè)執(zhí)照公示信息