Gần đây, nhóm của Giáo sư Wu Huaqiang và Phó giáo sư Gao Bin từ Trường Mạch tích hợp tại Đại học Thanh Hoa đã phát triển chip tích hợp tính toán và bộ nhớ điện trở tích hợp đầy đủ hệ thống đầu tiên trên thế giới hỗ trợ việc học trên chip hiệu quả (học máy có thể được hoàn thành trực tiếp ở phía phần cứng) dựa trên mô hình điện toán tính toán và lưu trữ tích hợp. Nó đã tạo ra một bước đột phá lớn trong lĩnh vực bộ nhớ điện trở nhớ và chip tích hợp tính toán hỗ trợ việc học trên chip và được kỳ vọng sẽ thúc đẩy sự phát triển của trí tuệ nhân tạo, thiết bị đeo lái xe tự động và các lĩnh vực khác. Các kết quả liên quan đã được công bố trực tuyến trên tạp chí "Khoa học" số mới nhất.
Nghiên cứu liên quan đến quốc tế hiện nay chủ yếu tập trung vào việc trình diễn các chức năng học tập ở cấp độ mảng điện trở nhớ. Tuy nhiên, việc triển khai chip nhớ tích hợp toàn hệ thống hỗ trợ học tập trên chip hiệu quả vẫn gặp phải những thách thức lớn và chưa được thực hiện. Lý do chính là phương pháp cập nhật trọng số có độ chính xác cao theo yêu cầu của thuật toán đào tạo lan truyền ngược truyền thống có khả năng thích ứng kém với các đặc tính thực tế của điện trở nhớ.
Được hiểu rằng khi đối mặt với thách thức lớn của kiến trúc phân tách tính toán và lưu trữ truyền thống hạn chế việc cải thiện sức mạnh tính toán, Wu Huaqiang và Gao Bin đã đề xuất một cách sáng tạo một thuật toán và kiến trúc phổ quát mới giúp điều chỉnh việc tích hợp tính toán và lưu trữ điện trở nhớ để đạt được hiệu quả học tập trên chip (STE LLAR), hiện thực hóa một cách hiệu quả khả năng tích hợp ba chiều nguyên khối của mảng điện trở nhớ tương tự quy mô lớn và CMOS. Thông qua sự đổi mới hợp tác trong toàn bộ quá trình về thuật toán, kiến trúc và phương pháp tích hợp, chip tích hợp điện toán và lưu trữ điện trở tích hợp đầy đủ hệ thống đầu tiên trên thế giới hỗ trợ việc học trên chip hiệu quả đã được phát triển.
Chip này chứa tất cả các mô-đun mạch cần thiết để hỗ trợ quá trình học tập hoàn chỉnh trên chip. Nó đã hoàn thành thành công nhiều quá trình xác minh chức năng học tập tăng dần trên chip như phân loại hình ảnh, nhận dạng giọng nói và điều khiển. Nó đã chứng tỏ khả năng thích ứng cao, hiệu quả sử dụng năng lượng cao, tính linh hoạt cao, độ chính xác cao và các đặc tính khác, tăng cường hiệu quả khả năng thích ứng học tập của các thiết bị thông minh trong các tình huống ứng dụng thực tế. Trong cùng một nhiệm vụ, mức tiêu thụ năng lượng của chip cho việc học trên chip chỉ bằng 3% so với hệ thống mạch tích hợp dành riêng cho ứng dụng (ASIC) theo công nghệ tiên tiến. Nó cho thấy những ưu điểm vượt trội về hiệu quả sử dụng năng lượng và có tiềm năng ứng dụng lớn để đáp ứng nhu cầu sức mạnh tính toán cao của kỷ nguyên trí tuệ nhân tạo. Nó cung cấp một lộ trình phát triển sáng tạo để vượt qua nút thắt về hiệu quả năng lượng theo kiến trúc điện toán von Neumann truyền thống.
Truy cập:
Trung tâm mua sắm Jingdong