ولنفس المهمة، يبلغ استهلاك الطاقة لهذه الشريحة للتعلم على الرقاقة 3% فقط من استهلاك نظام الدوائر المتكاملة المتقدمة الخاصة بالعملية (ASIC).

حاليًا، أثار الذكاء الاصطناعي التوليدي موجة جديدة من التطوير في صناعة الذكاء الاصطناعي. تعمل تقنيات الذكاء الاصطناعي المدعومة بقوة حاسوبية كبيرة على تغيير الطريقة التي يعيش ويعمل بها البشر بشكل كبير. ومع ذلك، أدى العدد الهائل من المعلمات المطلوبة لنماذج الذكاء الاصطناعي إلى زيادة الطلب على القوة الحاسوبية، مما يحتم إيجاد حلول لسد فجوة الحوسبة الضخمة وتحقيق تحسينات كبيرة في كفاءة استخدام الطاقة. أصبحت الرقائق عالية الأداء والموفرة للطاقة هي الناقل المحدد لقدرة الحوسبة والأساس الأساسي الذي يقود تطوير هذه الموجة من الثورة الذكية، فضلاً عن القوة الدافعة وراء التطور المستمر للمجتمع البشري.

ولمواجهة التحديات الرئيسية التي تواجهها بنيات فصل حوسبة التخزين التقليدية التي تقيد قوة الحوسبة، ركز البروفيسور وو هوا تشيانغ والأستاذ المشارك جاو بين من كلية الدوائر المتكاملة في جامعة تسينغهوا على البحث في التكنولوجيا المتكاملة لحوسبة تخزين مقاوم الذاكرة واستكشفا نموذج جديد لأنظمة الكمبيوتر.

أحدثت التكنولوجيا المتكاملة للحوسبة والتخزين المقاومة للذاكرة ثورة في بنية الحوسبة التقليدية لفون نيومان من جوانب الأجهزة والدوائر والحوسبة النظرية، مما أدى إلى تحسين قفزة إلى الأمام في قوة الحوسبة وكفاءة الطاقة. يمكن لهذه التقنية أيضًا الاستفادة من خصائص التعلم للأجهزة الأساسية لدعم التعلم على الرقاقة في الوقت الفعلي، وتمكين سيناريوهات جديدة للتدريب المحلي القائم على التعلم. حاليًا، تركز الأبحاث ذات الصلة على المستوى الدولي بشكل أساسي على عروض وظائف التعلم على مستوى مصفوفة مقاومة الذاكرة. ومع ذلك، فإن تحقيق رقائق مقاومة الذاكرة المتكاملة عالميًا والتي تدعم التعلم الفعال على الرقاقة لا يزال يواجه تحديات كبيرة، ويرجع ذلك أساسًا إلى ضعف التوافق بين طريقة تحديث الوزن عالية الدقة التي تتطلبها خوارزمية تدريب الانتشار العكسي التقليدية والخصائص الفعلية لمقاومات الذاكرة.

لحل المشكلات المذكورة أعلاه، قام البروفيسور وو هوا تشيانغ والأستاذ المشارك جاو بن، استنادًا إلى نموذج الحوسبة المتكاملة لحوسبة التخزين، بتطوير أول شريحة متكاملة لحوسبة تخزين مقاوم الذاكرة المتكاملة عالميًا والتي تدعم التعلم الفعال على الرقاقة (يمكن تعلم الآلة بشكل مباشر اكتمل في نهاية الأجهزة). لقد حققوا اختراقات كبيرة في مجال الرقائق المتكاملة لحوسبة تخزين الذاكرة التي تدعم التعلم على الرقاقة، والتي من المتوقع أن تعزز تطوير الذكاء الاصطناعي والقيادة الذاتية والأجهزة القابلة للارتداء. تم نشر الإنجازات ذات الصلة على الإنترنت في العدد الأخير من مجلة Science.

يُذكر أن هذه الشريحة تحقق استهلاكًا للطاقة للتعلم على الشريحة يبلغ 1/35 فقط من استهلاك نظام الدوائر المتكاملة المتقدمة الخاصة بالعملية (ASIC)، بينما من المتوقع أيضًا أن تحقق تحسينًا بمقدار 75 ضعفًا في كفاءة استخدام الطاقة.

خوارزميات وبُنى عالمية تعتمد على تكامل حوسبة التخزين والذاكرة من أجل التعلم الفعال على الرقاقة.

تعلم الحافة باستخدام رقائق مقاومة الذاكرة العصبية

عرض للتعلم المتزايد للتحكم التلقائي في التتبع لسيارة صغيرة

ولنفس المهمة، يبلغ استهلاك الطاقة للتعلم على الرقاقة الذي تحققه هذه الشريحة 3% فقط من استهلاك نظام ASIC المتخصص في ظل التكنولوجيا المتقدمة، مما يدل على مزايا كفاءة الطاقة المتميزة وإمكانات كبيرة لتلبية متطلبات الطاقة الحاسوبية العالية للذكاء الاصطناعي. حقبة. وهذا يوفر مسارًا تطويريًا مبتكرًا لاختراق عنق الزجاجة في كفاءة استخدام الطاقة في ظل بنية الحوسبة التقليدية لفون نيومان.

وأوضح الدكتور ياو بينغ، باحث ما بعد الدكتوراه، أن "التعلم على الرقاقة لتكامل التخزين والحساب يمكن أن يحمي بشكل فعال خصوصية المستخدم وبياناته مع تحقيق زمن وصول أقل واستهلاك أقل للطاقة". بالإشارة إلى أساليب معالجة الدماغ المحاكاة الحيوية، يمكن لهذه الشريحة تحقيق "تدريب سريع على الرقاقة" و"التعرف على الرقاقة" لمهام مختلفة، وأداء مهام التعلم المتزايدة بشكل فعال في سيناريوهات الحوسبة الطرفية مع استهلاك منخفض للطاقة للتكيف مع المواقف الجديدة وتعلم أشياء جديدة. المعرفة، وتلبية احتياجات المستخدمين الشخصية.

على سبيل المثال، اعتاد بعض الأشخاص على إضافة شرطة قصيرة في منتصف الرقم "7". في البداية، لا تتعرف الشريحة الذكية على هذا الرمز، ولكن بعد التدريب على اثنين أو ثلاثة من أرقام "7" المكتوبة، يمكنها التعرف عليه بدقة على أنه الرقم "7".

في ظل الوضع الدولي المعقد والمتغير باستمرار، يظل اختراق التكنولوجيا "عنق الزجاجة" هو التركيز الحالي.

في مواجهة المشكلات العملية مثل النقص في معدات البحث والتطوير المتقدمة، يكون أعضاء الفريق في حيرة إلى حد ما بشأن ما إذا كانت كل خطوة يتخذونها صحيحة، وما إذا كانت النتائج يمكن أن تلبي التوقعات، وما إذا كان من الممكن تحسين التكنولوجيا بشكل أكبر. كل هذه أعباء كبيرة على الجميع.

أولا، هناك تحديات تكنولوجية. يتضمن تطوير رقائق الممرستور معرفة متطورة من تخصصات متعددة مثل علوم المواد والفيزياء والهندسة الإلكترونية. من بين العديد من التحديات التقنية، أول ما يجب معالجته هو كيفية تحقيق تكامل واسع النطاق للأجهزة التذكارية. من خلال عدد كبير من التجارب والدراسات النظرية، اقترح الفريق طريقة التحسين المشترك لعملية الهندسة المعمارية والدوائر، والتي قدمت التوجيه لتصميم نظام متكامل للتخزين والحساب.

ثانياً، هناك تحديات هندسية. مع وجود عملية تكامل واسعة النطاق وتصميم الدوائر الحرجة، كيف يمكن التغلب على الأخطاء الناجمة عن التأثيرات غير المثالية متعددة النطاق من القاعدة إلى القمة وتجميعها في شريحة نظام فعالة؟ بفضل الجهود المشتركة لمدرسي وطلاب الفريق، تم اقتراح بنية STELLAR، وتم الانتهاء من تجارب تحسين الخوارزمية والمحاكاة، وتم تصنيع شريحة تعليمية متكاملة للتخزين والحساب عالية الكفاءة، مما حقق تحسنًا كبيرًا في السرعة وكفاءة الطاقة.

ويعتقد قاو بين أن "الطريق صعب، لكنه يحمل أهمية غير عادية. إنه ساحة معركة مهمة في مجال التكنولوجيا الفائقة العالمي الحالي". تعد أبحاث الرقائق عملية طويلة وشاقة، دون أي تقدم واضح في الأفق. ومع ذلك، من خلال البحث والتعلم المستمر، يتم الحصول على إنجازات قيمة.

بصفتهما المؤلفين الأوائل للأوراق الأكاديمية، اكتسب تشانغ وين بين وياو بينغ معرفة واسعة في مجالات بحثية مختلفة مثل أشباه الموصلات، والالكترونيات الدقيقة، وخوارزميات البرمجيات، والحوسبة العصبية أثناء دراسات الدكتوراه. لقد تراكمت لديهم نتائج بحث وتطوير غنية وخبرة هندسية قيمة.

من لا شيء إلى شيء، من الضعف إلى القوة. وفي طريق البحث العلمي هذا، الذي ليس له طرق مختصرة، عاش هؤلاء "الشباب الرقائقي" لحظات لا حصر لها من الاستسلام بعد الإعداد والمراقبة، ليبدأوا من جديد بعد انتكاسات عديدة، متغلبين على التحدي تلو الآخر.

وبالنظر إلى المستقبل، يأمل وو هواكيانغ أن تتجاوز حلول وتقنيات الفريق المختبر وأن تعزز بشكل فعال تحويل إنجازات البحث العلمي. إنهم مكرسون لخدمة احتياجات البلد والمجتمع.