在當今“大數據”時代，現有計算機硬件架構已面臨速度和高能耗的瓶頸。科技日報記者日前采訪美國密西根大學電子工程與計算機系盧偉教授獲悉，他帶領同事研發出一種全新憶阻器（Memristor）陣列芯片，其處理圖片和視頻等復雜數據的速度和能效，超越了現有最先進機器學習系統。相關論文發表在最近一期《自然·納米技術》雜志上。
目前，用機器學習來處理大數據越來越受重視。不過現有的機器學習只是基于現有硬件架構在算法上進行革新，在學習和推理過程中仍需不斷在處理器和存儲器之間轉移大量數據，造成速度上的瓶頸和很高的能耗。而憶阻器是一種新型電子器件，能通過調整內部的原子分布同時實現數據存儲和信號處理的功能，低能耗、高效率并行實現機器學習里最基本的矩陣運算。
盧偉告訴記者，他們這次制備的是32×32憶阻器陣列，并用該陣列芯片實現了“稀疏編碼”的算法。稀疏編碼是一種無監督學習方法，能通過芯片上神經元之間的競爭更有效地找出隱含在輸入數據內部的結構與模式。在測試中，新憶阻器芯片經過“學習培訓”后，利用很少的神經元成功從一些名畫和照片中找到關鍵特征。
盧偉參與創建的半導體公司CrossbarInc，已與中國最大規模芯片制造企業——中芯國際展開合作，從去年開始量產基于憶阻器的阻變存儲器(RRAM)。他表示，新憶阻器可直接集成到現有傳感器和攝像系統上，實時處理和分析視頻數據。它們還可以通過大規模集成實現超級計算機的功能。
更多資訊請關注工業以太網頻道
網站客服
粵公網安備 44030402000946號