一個(gè)國際研究團隊設計并制造了一種直接在內存中運行計算的芯片,可運行各種人工智能(AI)應用,而且它能在保持高精度的同時(shí),僅消耗通用AI計算平臺所耗能量的一小部分,兼具高效率和通用性。相關(guān)研究發(fā)表在最近的《自然》雜志上。
這款名為NeuRRAM的神經(jīng)形態(tài)芯片使AI離在與云斷開(kāi)的廣泛邊緣設備上運行又近了一步。在云中,AI計算可隨時(shí)隨地執行復雜的認知任務(wù),而不需要依賴(lài)與中央服務(wù)器的網(wǎng)絡(luò )連接。從智能手表到虛擬現實(shí)(VR)耳機、智能耳機、工廠(chǎng)中的智能傳感器和用于太空探索的漫游車(chē),其應用比比皆是,遍及世界的每一個(gè)角落和人類(lèi)生活的方方面面。
NeuRRAM芯片的能效不僅是目前最先進(jìn)的“內存計算”芯片(一種在內存中運行計算的創(chuàng )新混合芯片)的兩倍,而且它提供的結果也與傳統數字芯片一樣準確。傳統的AI平臺要龐大得多,通常受限于使用在云中運行的大型數據服務(wù)器。
此外,NeuRRAM芯片具有高度的通用性,支持多種不同的神經(jīng)網(wǎng)絡(luò )模型和架構。因此,該芯片可用于許多不同的應用,包括圖像識別和重建以及語(yǔ)音識別。
目前,AI計算既耗電又昂貴。邊緣設備上的大多數AI應用程序都涉及將數據從設備移動(dòng)到云端,AI在云端對其進(jìn)行處理和分析,然后將結果移回設備。
通過(guò)降低邊緣AI計算所需的功耗,這款NeuRRAM芯片可帶來(lái)更強大、更智能、更易于訪(fǎng)問(wèn)的邊緣設備和更智能的制造。它還可帶來(lái)更好的數據隱私,因為將數據從設備傳輸到云會(huì )帶來(lái)更高的安全風(fēng)險。
研究人員通過(guò)一種名為能量延遲乘積(EDP)的方法來(lái)測量芯片的能效。EDP結合了每次操作所消耗的能量和完成操作所需的時(shí)間。通過(guò)這一措施,NeuRRAM芯片實(shí)現了比目前最先進(jìn)芯片高7—13倍的計算密度。
研究人員在芯片上運行各種人工智能任務(wù)。它在手寫(xiě)數字識別任務(wù)上準確率達到99%,在圖像分類(lèi)任務(wù)上達到85.7%,在谷歌語(yǔ)音命令識別任務(wù)上達到84.7%。此外,該芯片還在圖像恢復任務(wù)中減少了70%的圖像重建誤差。這些結果可以與現有的數字芯片相媲美,后者在相同的精度下執行計算,但大大節省了能源。
來(lái)源:科技日報