據清華大學10月9日消息，清華大學集成電路學院教授吳華強、副教授高濱團隊基于存算一體計算范式，研制出全球首顆全系統集成的、支持高效片上學習（機器學習能在硬件端直接完成）的憶阻器存算一體芯片，在支持片上學習的憶阻器存算一體芯片領域取得重大突破，有望促進人工智能、自動駕駛可穿戴設備等領域發展。相關成果在線發表于最新一期的《科學》雜志。

　　錢鶴、吳華強團隊經過11年科研“長征”，從憶阻器件到原型芯片再到系統集成，攻克了AI算力瓶頸難題，攻克“卡脖子”關鍵核心技術，成果涉及憶阻器集成芯片、存算一體系統、ADAM算法加速器......有望促進人工智能、自動駕駛、可穿戴等領域的發展。

　　記憶電阻器（Memristor，憶阻器），是繼電阻、電容、電感之后的第四種電路基本元件。它可以在斷電之后，仍能“記憶”通過的電荷，被當做新型納米電子突觸器件。早在1946年，“計算機之父”馮·諾依曼提出并定義了計算機架構，采用二進制的編碼，由存儲器和處理器分別完成數據存儲和計算。但是，隨著人工智能等應用對數據存儲和計算需求的不斷提升，數據來回“搬運”處理，耗時長，功耗大，還可能存在“交通堵塞”的風險。

　　2020年，錢鶴、吳華強團隊基于多陣列憶阻器，搭建了一個全硬件構成的完整存算一體系統，在這個系統上高效運行了卷積神經網絡算法，成功驗證了圖像識別功能，比圖形處理器芯片的能效高兩個數量級，大幅提升了計算設備的算力，實現了以更小的功耗和更低的硬件成本完成復雜的計算。

　　集微網了解到，存算一體架構徹底消除了數據在邏輯處理器與存儲芯片之間的搬遷問題，減少能量消耗及延遲，在邊緣計算和云計算中有廣泛的應用前景。

　　相同任務下，該芯片實現片上學習的能耗僅為先進工藝下專用集成電路（ASIC）系統的1/35，同時有望實現75倍的能效提升。

　　博士后姚鵬介紹，“存算一體片上學習在實現更低延遲和更小能耗的同時，能夠有效保護用戶隱私和數據。”該芯片參照仿生類腦處理方式，可實現不同任務的快速“片上訓練”與“片上識別”，能夠有效完成邊緣計算場景下的增量學習任務，以極低的耗電適應新場景、學習新知識，以滿足用戶的個性化需求。

　　吳華強希望團隊的方案、技術能夠走出實驗室，切切實實推動科研成果轉化，致力服務國家所需、社會所需。

更多精彩內容歡迎點擊>>電子技術應用<<