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注于人工智能系統(tǒng)的新型計算機芯片，可在極大提高性能的同時減少能耗需求。

該芯片基于內(nèi)存計算技術(shù)，旨在克服處理器需要花費大量時間和能量從內(nèi)存中獲取數(shù)據(jù)的主要瓶頸，通過直接在內(nèi)存中執(zhí)行計算，提高速度和效率。芯片采用了標準編程語言，在依賴高性能計算且電池壽命有限的手機、手表或其他設(shè)備上特別有用。

研究人員表示，對于許多應(yīng)用而言，芯片的節(jié)能與性能提升同樣重要，因為許多人工智能應(yīng)用程序?qū)⒃谟梢苿与娫捇蚩纱┐麽t(yī)療傳感器等電池驅(qū)動的設(shè)備上運行。這也是對可編程性的需求所在。

經(jīng)典計算機體系結(jié)構(gòu)將處理數(shù)據(jù)的中央處理器與存儲數(shù)據(jù)的內(nèi)存分離，很多計算機的能耗用于來回轉(zhuǎn)移數(shù)據(jù)。新芯片考慮在架構(gòu)級別而不是晶體管級別來突破摩爾定律的局限。但創(chuàng)建這樣一個系統(tǒng)面臨的挑戰(zhàn)是，內(nèi)存電路要設(shè)計得盡可能密集，以便打包大量數(shù)據(jù)。

研究團隊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(nèi)進行計算，還可非常精確地制作在芯片上。新設(shè)計將電容器與芯片上的靜態(tài)隨機存取存儲器(SRAM)的傳統(tǒng)單元配對。電容器和SRAM的組合用于對模擬(非數(shù)字)域中的數(shù)據(jù)進行計算。這種內(nèi)存電路可按照芯片中央處理單元的指令執(zhí)行計算。

實驗室測試表明，該芯片的性能比同類芯片快幾十到幾百倍。研究人員稱，其已將內(nèi)存電路集成到可編程處理器架構(gòu)中。“如果以前的芯片是強大的引擎，新芯片就是整車。”

普林斯頓大學研制的新芯片主要用于支持為深度學習推理算法設(shè)計的系統(tǒng)，這些算法允許計算機通過學習數(shù)據(jù)集來制定決策和執(zhí)行復(fù)雜的任務(wù)。深度學習系統(tǒng)可指導(dǎo)自動駕駛汽車、面部識別系統(tǒng)和醫(yī)療診斷軟件。(記者馮衛(wèi)東)

關(guān)鍵詞：