Para la misma tarea, el consumo de energía de este chip para el aprendizaje en chip es sólo el 3% del del sistema de circuito integrado de proceso específico avanzado (ASIC).

Actualmente, la inteligencia artificial generativa ha provocado una nueva ola de desarrollo en la industria de la IA. Las tecnologías de inteligencia artificial respaldadas por una gran potencia informática están cambiando enormemente la forma en que los humanos viven y trabajan. Sin embargo, la enorme cantidad de parámetros necesarios para los modelos de IA ha provocado una creciente demanda de potencia informática, lo que hace imperativo encontrar soluciones para cerrar la enorme brecha informática y lograr mejoras significativas en la eficiencia energética. Los chips de alto rendimiento y eficiencia energética se han convertido en portadores específicos de potencia informática y en la base central que impulsa el desarrollo de esta ola de revolución inteligente, así como en la fuerza impulsora detrás del desarrollo continuo de la sociedad humana.

Para abordar los principales desafíos que enfrentan las arquitecturas tradicionales de separación de computación y almacenamiento que limitan la potencia informática, el profesor Wu Huaqiang y el profesor asociado Gao Bin de la Escuela de Circuitos Integrados de la Universidad de Tsinghua se centraron en la investigación de la tecnología integrada de computación y almacenamiento con resistencia de memoria y exploraron una Nuevo paradigma para los sistemas informáticos.

La tecnología integrada de computación y almacenamiento de resistencia de memoria revolucionó la arquitectura informática tradicional de von Neumann desde los aspectos de dispositivo, circuito y computación teórica, logrando una mejora enorme en la potencia informática y la eficiencia energética. Esta tecnología también puede utilizar las características de aprendizaje de los dispositivos subyacentes para respaldar el aprendizaje en chip en tiempo real, potenciando nuevos escenarios de capacitación perimetral basada en el aprendizaje local. Actualmente, la investigación relacionada a nivel internacional se centra principalmente en demostraciones de funciones de aprendizaje a nivel de matriz de resistencias de memoria. Sin embargo, la realización de chips de resistencia de memoria integrados globalmente que admitan un aprendizaje eficiente en el chip aún enfrenta desafíos importantes, principalmente debido a la mala compatibilidad entre el método de actualización de peso de alta precisión requerido por el algoritmo de entrenamiento de retropropagación tradicional y las características reales de las resistencias de memoria.

Para resolver los problemas anteriores, el profesor Wu Huaqiang y el profesor asociado Gao Bin, basándose en el paradigma de computación integrada de almacenamiento y computación, desarrollaron el primer chip integrado de computación de almacenamiento con resistencia de memoria integrada globalmente del mundo que admite un aprendizaje eficiente en el chip (el aprendizaje automático puede ser directamente). completado en el extremo del hardware). Han logrado avances significativos en el campo de los chips integrados de computación, almacenamiento y resistencia de memoria que respaldan el aprendizaje en el chip, lo que se espera que promueva el desarrollo de la inteligencia artificial, la conducción autónoma y los dispositivos portátiles. Los logros relevantes se han publicado en línea en el último número de Science.

Se informa que este chip logra un consumo de energía para el aprendizaje en el chip que es solo 1/35 del del sistema de circuito integrado de proceso específico avanzado (ASIC), mientras que también se espera que logre una mejora de 75 veces en la eficiencia energética.

Algoritmos y arquitecturas universales basados ​​en la integración de computación, almacenamiento y resistencia de memoria para un aprendizaje eficiente en el chip.

Aprendizaje perimetral mediante chips de resistencia de memoria neuromórfica

Demostración de aprendizaje incremental para el control de seguimiento automático de un automóvil pequeño

Para la misma tarea, el consumo de energía del aprendizaje en chip logrado por este chip es solo el 3% del de un sistema ASIC especializado con tecnología avanzada, lo que demuestra ventajas excepcionales de eficiencia energética y un gran potencial para satisfacer las altas demandas de potencia informática de la IA. era. Esto proporciona un camino de desarrollo innovador para superar el cuello de botella de eficiencia energética bajo la arquitectura informática tradicional de von Neumann.

"El aprendizaje en chip sobre la integración del almacenamiento y la computación puede proteger eficazmente la privacidad y los datos del usuario, al tiempo que logra una menor latencia y un menor consumo de energía", explicó el Dr. Yao Peng, investigador postdoctoral. En referencia a los métodos de procesamiento cerebral biomimético, este chip puede lograr un "entrenamiento en chip" y un "reconocimiento en chip" rápidos para diferentes tareas, realizando de manera efectiva tareas de aprendizaje incremental en escenarios de computación de vanguardia con bajo consumo de energía para adaptarse a nuevas situaciones y aprender cosas nuevas. conocimiento, satisfaciendo las necesidades personalizadas de los usuarios.

Por ejemplo, algunas personas están acostumbradas a añadir un guión corto en medio del número "7". Al principio, el chip inteligente no reconoce este símbolo, pero después de entrenar con dos o tres "7" escritos, puede reconocerlo con precisión como el número "7".

En la situación internacional compleja y en constante cambio, romper con la tecnología "cuello de botella" sigue siendo un objetivo actual.

Ante problemas prácticos como la escasez de equipos avanzados de investigación y desarrollo, los miembros del equipo no saben si cada paso que dan es correcto, si los resultados pueden cumplir con las expectativas y si la tecnología se puede optimizar aún más. Todo esto supone una enorme carga para todos.

En primer lugar, existen desafíos tecnológicos. El desarrollo de chips de memristor implica conocimientos de vanguardia procedentes de múltiples disciplinas, como la ciencia de los materiales, la física y la ingeniería electrónica. Entre muchos desafíos técnicos, el primero que se debe abordar es cómo lograr la integración a gran escala de dispositivos memristivos. A través de una gran cantidad de experimentos y estudios teóricos, el equipo propuso un método de cooptimización de arquitectura, circuito y proceso, que proporcionó orientación para el diseño de un sistema integrado de almacenamiento y computación.

En segundo lugar, existen desafíos de ingeniería. Con el proceso de integración a gran escala y el diseño de circuitos críticos implementados, ¿cómo se pueden superar y ensamblar en un chip de sistema eficiente los errores causados ​​por efectos no ideales de múltiples escalas y de abajo hacia arriba? Con los esfuerzos conjuntos de los profesores y estudiantes del equipo, se propuso la arquitectura STELLAR, se completaron experimentos de simulación y optimización de algoritmos y se fabricó un chip de aprendizaje integrado de computación y almacenamiento altamente eficiente, logrando una mejora significativa en velocidad y eficiencia energética.

"El camino es difícil, pero tiene una importancia extraordinaria. Es un campo de batalla importante en el actual campo global de alta tecnología", cree Gao Bin. La investigación de chips es un proceso largo y arduo, sin ningún avance aparente a la vista. Sin embargo, a través de la investigación y el aprendizaje continuos se obtienen logros valiosos.

Como primeros autores de artículos académicos, Zhang Wenbin y Yao Peng han adquirido amplios conocimientos en diversos campos de investigación como semiconductores, microelectrónica, algoritmos de software y computación neuromórfica durante sus estudios de doctorado. Han acumulado ricos resultados de investigación y desarrollo y una valiosa experiencia en ingeniería.

De la nada a algo, de la debilidad a la fortaleza. En este camino de la investigación científica, que no tiene atajos, estos "jóvenes chip" han experimentado innumerables momentos de abandono tras la preparación y la observación, para volver a empezar después de numerosos reveses, superando un desafío tras otro.

De cara al futuro, Wu Huaqiang espera que las soluciones y tecnologías del equipo puedan ir más allá del laboratorio y promover eficazmente la transformación de los logros de la investigación científica. Están dedicados a atender las necesidades del país y la sociedad.