“我們研發的這款存算一體晶片，展示出高適應性、高能效、高通用性、高準確率等特點，能有效強化智慧設備在實際應用場景下的學習適應能力。”10日，清華大學積體電路學院副教授高濱接受記者採訪時表示，“該款晶片揭示了人工智慧時代下邊緣學習的新範式，為突破馮·諾依曼傳統計算架構下的能效、算力瓶頸提供了一種創新發展路徑。”

　　近日，清華大學積體電路學院教授吳華強、副教授高濱基於存算一體計算範式，研製出全球首款全系統整合、支援高效片上學習（機器學習能在硬體端直接完成）的憶阻器存算一體晶片。相關成果線上發表于最新一期《科學》。

　　相同任務下，該款晶片實現片上學習的能耗僅為先進工藝下專用積體電路系統的3%，展現出卓越的能效優勢，具有滿足人工智慧時代高算力需求的應用潛力。相關成果可應用於手機等智慧終端設備，還可以應用於邊緣計算場景，比如汽車、機器人等。

　　據介紹，當前，國際上的相關研究仍停留在憶阻器陣列層面的學習功能演示，全系統整合的憶阻器片上學習晶片仍未實現，主要在於傳統的反向傳播訓練演算法所要求的高精度權重更新方式與憶阻器實際特性的適配性較差，導致大規模整合下的系統精度和能耗出現瓶頸。

　　突破傳統存算分離架構對算力提升的制約，實現低能耗、高精度的全系統整合憶阻器存算一體片上學習晶片，要攻克哪些難點？

　　“這是課題組多年積累最終取得的突破。研發過程中的難點主要體現在：首先需要解決憶阻器大規模整合問題，我們不僅優化了器件材料和架構，改善了器件特性，還開發了大規模整合製程；其次需要解決底層硬體多物理尺度的非理想特性，以提升精度，比如器件的非線性、非對稱，陣列的寄生，電路的噪聲等；最後，要實現高效的硬體系統，需要演算法—架構—電路和器件的協同優化。”團隊成員、清華大學積體電路學院博士後姚鵬説。

來源：科技日報    | 撰稿：華淩    | 責編：丁薩    審核：張淵

新聞投稿：184042016@qq.com    新聞熱線：135 8189 2583