東京大學(xué)工業(yè)科學(xué)研究所的研究人員設(shè)計(jì)并建造了專門(mén)的計(jì)算機(jī)硬件,該計(jì)算機(jī)硬件由成堆的存儲(chǔ)模塊組成,這些存儲(chǔ)模塊以3-D螺旋形排列以用于人工智能(AI)應(yīng)用。這項(xiàng)研究可能為下一代節(jié)能AI設(shè)備開(kāi)辟道路。
機(jī)器學(xué)習(xí)是一種AI,通過(guò)這種AI對(duì)計(jì)算機(jī)進(jìn)行樣本數(shù)據(jù)訓(xùn)練,以預(yù)測(cè)新實(shí)例。例如,像Alexa這樣的智能揚(yáng)聲器算法可以學(xué)習(xí)理解您的語(yǔ)音命令,因此即使您是第一次請(qǐng)求,它也可以理解您。但是,人工智能往往需要大量的電能來(lái)訓(xùn)練,這引發(fā)了人們對(duì)增加氣候變化的擔(dān)憂。
現(xiàn)在,東京大學(xué)工業(yè)科學(xué)研究所的科學(xué)家們開(kāi)發(fā)出了一種新穎的設(shè)計(jì),用于將電阻式隨機(jī)存取存儲(chǔ)模塊與氧化物半導(dǎo)體(IGZO)存取晶體管堆疊成三維螺旋。將片上非易失性存儲(chǔ)器放置在靠近處理器的位置,可以使機(jī)器學(xué)習(xí)訓(xùn)練過(guò)程更快,更節(jié)能。這是因?yàn)榕c常規(guī)計(jì)算機(jī)硬件相比,電信號(hào)的傳播距離要短得多。堆疊多層電路是很自然的步驟,因?yàn)橛?xùn)練算法通常需要許多操作同時(shí)并行進(jìn)行。
“對(duì)于這些應(yīng)用,每一層的輸出通常連接到下一層的輸入。我們的體系結(jié)構(gòu)極大地減少了互連布線的需求,”第一作者吳繼宣說(shuō)。
通過(guò)實(shí)施二值化神經(jīng)網(wǎng)絡(luò)系統(tǒng),該團(tuán)隊(duì)能夠使設(shè)備更加節(jié)能。不允許參數(shù)為任何數(shù)字,而是將其限制為+1或-1。這既大大簡(jiǎn)化了使用的硬件,又壓縮了必須存儲(chǔ)的數(shù)據(jù)量。他們使用AI中的一項(xiàng)常見(jiàn)任務(wù)對(duì)設(shè)備進(jìn)行了測(cè)試,解釋了手寫(xiě)數(shù)字?jǐn)?shù)據(jù)庫(kù)。科學(xué)家表明,增加每個(gè)電路層的大小可以提高算法的準(zhǔn)確性,最大可達(dá)到90%左右。
高級(jí)作者M(jìn)asaharu Kobayashi解釋說(shuō):“為了在AI越來(lái)越融入日常生活中時(shí)保持較低的能耗,我們需要更專業(yè)的硬件來(lái)有效地處理這些任務(wù)?!?/p>
這項(xiàng)工作是邁向“物聯(lián)網(wǎng)”的重要一步,在該過(guò)程中,許多小型的具有AI功能的設(shè)備作為集成的“智能家居”的一部分進(jìn)行通信。
這項(xiàng)研究已在2020年VLSI技術(shù)研討會(huì)上發(fā)表。
-
人工智能
+關(guān)注
關(guān)注
1789文章
46399瀏覽量
236622 -
機(jī)器學(xué)習(xí)
+關(guān)注
關(guān)注
66文章
8325瀏覽量
132213
發(fā)布評(píng)論請(qǐng)先 登錄
相關(guān)推薦
評(píng)論