Untuk tugas yang sama, penggunaan tenaga cip ini untuk pembelajaran atas cip hanya 3% daripada sistem Litar Bersepadu Khusus Proses Lanjutan (ASIC).

Pada masa ini, kecerdasan buatan generatif telah mencetuskan gelombang pembangunan baharu dalam industri AI. Teknologi AI yang disokong oleh kuasa pengkomputeran yang besar mengubah cara manusia hidup dan bekerja. Walau bagaimanapun, bilangan besar parameter yang diperlukan untuk model AI telah membawa kepada peningkatan permintaan untuk kuasa pengkomputeran, menjadikannya penting untuk mencari penyelesaian untuk merapatkan jurang pengkomputeran yang besar dan mencapai peningkatan ketara dalam kecekapan tenaga. Cip berprestasi tinggi dan cekap tenaga telah menjadi pembawa khusus kuasa pengkomputeran dan asas teras yang memacu pembangunan gelombang revolusi pintar ini, serta penggerak di sebalik pembangunan berterusan masyarakat manusia.

Untuk menangani cabaran utama yang dihadapi oleh seni bina pemisahan pengkomputeran storan tradisional yang mengekang kuasa pengkomputeran, Profesor Wu Huaqiang dan Profesor Madya Gao Bin dari Sekolah Litar Bersepadu di Universiti Tsinghua menumpukan pada penyelidikan teknologi bersepadu pengkomputeran storan perintang memori dan menerokai paradigma baru untuk sistem komputer.

Teknologi bersepadu pengkomputeran storan perintang memori merevolusikan seni bina pengkomputeran von Neumann tradisional daripada aspek peranti, litar dan pengkomputeran teori, mencapai peningkatan pesat dalam kuasa pengkomputeran dan kecekapan tenaga. Teknologi ini juga boleh menggunakan ciri pembelajaran peranti asas untuk menyokong pembelajaran dalam cip masa nyata, memperkasakan senario baharu latihan kelebihan berasaskan pembelajaran tempatan. Pada masa ini, penyelidikan berkaitan di peringkat antarabangsa tertumpu terutamanya pada demonstrasi fungsi pembelajaran pada peringkat tatasusunan perintang memori. Walau bagaimanapun, realisasi cip perintang memori bersepadu secara global yang menyokong pembelajaran pada cip yang cekap masih menghadapi cabaran yang ketara, terutamanya disebabkan oleh keserasian yang lemah antara kaedah kemas kini berat berketepatan tinggi yang diperlukan oleh algoritma latihan perambatan balik tradisional dan ciri sebenar perintang memori.

Untuk menyelesaikan masalah di atas, Profesor Wu Huaqiang dan Profesor Madya Gao Bin berdasarkan paradigma pengkomputeran bersepadu pengkomputeran storan, membangunkan cip bersepadu storan perintang memori bersepadu pertama di dunia yang menyokong pembelajaran pada cip yang cekap (pembelajaran mesin boleh secara langsung selesai di hujung perkakasan). Mereka telah membuat penemuan penting dalam bidang cip bersepadu pengkomputeran penyimpanan perintang memori yang menyokong pembelajaran pada cip, yang dijangka menggalakkan pembangunan kecerdasan buatan, pemanduan autonomi dan peranti boleh pakai. Pencapaian yang berkaitan telah diterbitkan dalam talian dalam terbitan terkini Sains.

Dilaporkan bahawa cip ini mencapai penggunaan tenaga untuk pembelajaran atas cip yang hanya 1/35 daripada sistem Litar Bersepadu Khusus Proses Lanjutan (ASIC), sementara juga dijangka mencapai peningkatan 75 kali ganda dalam kecekapan tenaga.

Algoritma dan seni bina universal berdasarkan integrasi penyimpanan-pengkomputeran memori-perintang untuk pembelajaran pada cip yang cekap.

Pembelajaran tepi menggunakan cip perintang memori neuromorfik

Demonstrasi Pembelajaran Bertambah untuk Kawalan Penjejakan Automatik Kereta Kecil

Untuk tugas yang sama, penggunaan tenaga pembelajaran atas cip yang dicapai oleh cip ini hanyalah 3% daripada sistem ASIC khusus di bawah teknologi canggih, menunjukkan kelebihan kecekapan tenaga yang luar biasa dan potensi besar untuk memenuhi permintaan kuasa pengkomputeran tinggi AI. era. Ini menyediakan laluan pembangunan yang inovatif untuk menembusi kesesakan kecekapan tenaga di bawah seni bina pengkomputeran von Neumann tradisional.

"Pembelajaran atas cip penyimpanan dan penyepaduan pengiraan boleh melindungi privasi dan data pengguna dengan berkesan sambil mencapai kependaman yang lebih rendah dan penggunaan tenaga yang lebih kecil," jelas Dr. Yao Peng, seorang penyelidik pasca doktoral. Merujuk kepada kaedah pemprosesan otak biomimetik, cip ini boleh mencapai "latihan atas cip" dan "pengiktirafan pada cip" yang pantas untuk tugasan yang berbeza, dengan berkesan melaksanakan tugas pembelajaran tambahan dalam senario pengkomputeran tepi dengan penggunaan kuasa yang rendah untuk menyesuaikan diri dengan situasi baharu dan belajar baharu pengetahuan, memenuhi keperluan peribadi pengguna.

Sebagai contoh, sesetengah orang terbiasa menambah sengkang pendek di tengah nombor "7". Pada mulanya, cip pintar tidak mengenali simbol ini, tetapi selepas latihan pada dua atau tiga huruf "7" seperti itu, ia dapat mengenalinya dengan tepat sebagai nombor "7".

Dalam situasi antarabangsa yang kompleks dan sentiasa berubah, menerobos teknologi "bottleneck" kekal sebagai tumpuan semasa.

Menghadapi masalah praktikal seperti kekurangan peralatan penyelidikan dan pembangunan lanjutan, ahli pasukan agak bingung sama ada setiap langkah yang mereka ambil adalah betul, sama ada hasilnya dapat memenuhi jangkaan, dan sama ada teknologi itu boleh dioptimumkan lagi. Semua ini adalah beban yang besar kepada semua orang.

Pertama, terdapat cabaran teknologi. Pembangunan cip memristor melibatkan pengetahuan termaju daripada pelbagai disiplin seperti sains bahan, fizik dan kejuruteraan elektronik. Di antara banyak cabaran teknikal, yang pertama perlu ditangani ialah bagaimana untuk mencapai penyepaduan berskala besar peranti memristif. Melalui sebilangan besar eksperimen dan kajian teori, pasukan itu mencadangkan kaedah pengoptimuman bersama proses litar seni bina, yang memberikan panduan untuk reka bentuk sistem storan dan pengiraan bersepadu.

Kedua, terdapat cabaran kejuruteraan. Dengan proses penyepaduan berskala besar dan reka bentuk litar kritikal, bagaimanakah ralat yang disebabkan oleh kesan tidak ideal berbilang skala bawah ke atas dapat diatasi dan dipasang menjadi cip sistem yang cekap? Dengan usaha bersama guru dan pelajar pasukan, seni bina STELLAR telah dicadangkan, pengoptimuman algoritma dan eksperimen simulasi telah disiapkan, dan cip pembelajaran bersepadu penyimpanan dan pengiraan yang sangat cekap telah dibuat, mencapai peningkatan ketara dalam kelajuan dan kecekapan tenaga.

"Jalan itu sukar, tetapi ia mempunyai kepentingan yang luar biasa. Ia adalah medan perang yang penting dalam medan teknologi tinggi global semasa," Gao Bin percaya. Penyelidikan cip adalah proses yang panjang dan sukar, tanpa sebarang kejayaan yang jelas dilihat. Walau bagaimanapun, melalui penyelidikan dan pembelajaran berterusan, pencapaian yang berharga diperolehi.

Sebagai pengarang pertama kertas akademik, Zhang Wenbin dan Yao Peng telah memperoleh pengetahuan yang luas dalam pelbagai bidang penyelidikan seperti semikonduktor, mikroelektronik, algoritma perisian, dan pengkomputeran neuromorfik semasa pengajian kedoktoran mereka. Mereka telah mengumpul hasil penyelidikan dan pembangunan yang kaya serta pengalaman kejuruteraan yang berharga.

Dari tiada kepada sesuatu, dari kelemahan kepada kekuatan. Pada laluan penyelidikan saintifik ini, yang tidak mempunyai jalan pintas, "belia cip" ini telah mengalami detik-detik berputus asa yang tidak terkira banyaknya selepas persediaan dan pemerhatian, hanya untuk memulakan semula selepas banyak halangan, mengatasi satu demi satu cabaran.

Melihat ke masa hadapan, Wu Huaqiang berharap penyelesaian dan teknologi pasukan boleh melangkaui makmal dan menggalakkan transformasi pencapaian penyelidikan saintifik dengan berkesan. Mereka berdedikasi untuk melayani keperluan negara dan masyarakat.