循环推理螺旋电路可提高AI效率

东京大学工业科学研究所的研究人员设计并建造了专门的计算机硬件，该计算机硬件由以3D螺旋形排列的用于人工智能(AI)应用的存储模块堆栈组成。这项研究可能会为下一代节能AI设备开辟道路。

机器学习是一种AI，通过这种AI对计算机进行样本数据训练，以预测新实例。例如，像Alexa这样的智能扬声器算法可以学习理解您的语音命令，因此即使您是第一次请求，它也可以理解您。但是，人工智能往往需要大量的电能来训练，这引发了人们对增加气候变化的担忧。

现在，东京大学工业科学研究所的科学家们开发出了一种新颖的设计，用于将电阻式随机存取存储模块与氧化物半导体(IGZO)存取晶体管堆叠成三维螺旋。将片上非易失性存储器放置在靠近处理器的位置，可以使机器学习训练过程更快，更节能。这是因为与常规计算机硬件相比，电信号的传播距离要短得多。堆叠多层电路是很自然的步骤，因为训练算法经常需要同时并行运行许多操作。

“对于这些应用，每一层的输出通常连接到下一层的输入。我们的体系结构极大地减少了互连布线的需求，”第一作者吴继宣说。

建议的RRAM阵列螺旋堆叠示意图;(b)〜(d)分别在第一，第二，第三层上制作的IGZOFET的自顶向下显微镜图像。东京大学提供，2020年VLSI技术与电路研讨会

通过实施二值化神经网络系统，该团队能够使设备更加节能。不允许参数为任何数字，而是将其限制为+1或-1。这既大大简化了使用的硬件，又压缩了必须存储的数据量。他们使用AI中的一项常见任务对设备进行了测试，解释了手写数字数据库。科学家表明，增加每个电路层的大小可以提高算法的准确性，最大可达到90%左右。

高级作者MasaharuKobayashi解释说：“为了在AI越来越集成到日常生活中时保持较低的能耗，我们需要更多的专用硬件来有效地处理这些任务。”

这项工作是迈向“物联网”的重要一步，在该过程中，许多支持AI的小型设备作为集成“智能家居”的一部分进行通信。

该研究已在2020年VLSI技术研讨会上发表。

标签：

免责声明：免责声明：本文由用户上传，与本网站立场无关。财经信息仅供读者参考，并不构成投资建议。投资者据此操作，风险自担。 如有侵权请联系删除！