憶阻器存算一體學習芯片及測試系統（來源：清華大學官方微信公眾號）
10月9日，記者從清華大學官方微信獲悉，清華大學集成電路學院教授吳華強、副教授高濱團隊基于存算一體計算范式，研制出全球首顆全系統集成的、支持高效片上學習（機器學習能在硬件端直接完成）的憶阻器存算一體芯片。相關成果已發表于最新一期的《科學》。
記者了解到，“存算一體”這一技術概念誕生于上世紀70年代，區別于1946年由馮·諾依曼提出的存儲器和處理器分工處理數據的計算機架構，存算一體將計算能力嵌入存儲器當中。在當時，由于芯片制造能力不成熟，且算力需求不旺盛，存算一體并未得到很好的發展。而隨著人工智能等應用對于數據存儲和計算需求的不斷提升，處理數據的能耗逐漸增加，在傳統存算分離結構當中，存儲帶寬可能導致在數據搬運上花費大量時間，進而制約芯片算力，與之相比，存算一體便體現出了獨特優勢。
2012年，錢鶴、吳華強團隊開始研究使用憶阻器做存儲。憶阻器是繼電阻、電容、電感之后的第四種電路基本元件。它可以在斷電之后，仍能“記憶”通過的電荷，因此被當做新型納米電子突觸器件。2020年，團隊基于多陣列憶阻器，搭建了一個全硬件構成的完整存算一體系統，此系統高效運行了卷積神經網絡算法，成功驗證了圖像識別功能，比圖形處理器芯片的能效高兩個數量級，大幅提升了計算設備的算力，實現了以更小的功耗和更低的硬件成本完成復雜計算。
片上學習對于邊緣智能設備適應不同應用場景非常重要。當前用于訓練神經網絡的技術需要在計算和存儲單元之間移動大量數據，這阻礙了在邊緣設備上實現學習。此次研究，錢鶴、吳華強帶領團隊創新設計出適用于憶阻器存算一體的高效片上學習的新型通用算法和架構STELLAR，該架構中的方案包括其學習算法、硬件實現和并行電導調諧方案，是通過使用憶阻器交叉柵陣列促進片上學習的通用方法。
據了解，該芯片可執行的任務包括運動控制、圖像分類和語音識別。相同任務下其能耗僅為ASIC的1/35，同時有望實現75倍的能效提升。
活動推薦??
