北大中科院造芯片登上顶刊 比英伟达A100快478倍
简单来说,过去由数字电路完成的步长搜索、判断和调整,现在可以通过忆阻器内部的物理变化完成。

▲细粒度可控电导漂移调控机制
同时,该团队利用相变存储器的多级电导调控能力,构建高密度存内计算阵列,将内嵌神经网络的权重存储和矩阵运算统一映射到器件阵列中。
通过这种方式,神经动力学系统中的两类核心计算——自适应积分步长搜索和神经网络矩阵运算,被统一放入存内计算架构中完成,减少了传统芯片中的数据搬运、缓存访问以及大量乘加运算。
该方案减少了传统数字硬件中频繁的读写、乘法运算、缓存访问与数据搬运等高开销操作,兼具高精度与实时性,为后摩尔时代计算芯片提供了一种全新范式。

▲多级电导特性精准映射调控机制
这一成果标志着在神经动力学系统实时计算方面取得关键突破,它不仅将原本需要离线运行的复杂建模方法推向毫秒级实时在线操作,也为下一代脑机接口、脑数字孪生、神经导航和神经退行性疾病智能诊疗提供了全新的硬件底座。

▲基于相变型忆阻器的毫秒级神经动力学系统
二、运行频率为50 MHz,单次迭代计算时延达2.12毫秒
基于上述设计,研究团队采用40纳米工艺制造了一款神经动力学芯片。
该芯片集成存内计算阵列和步长漂移阵列,总面积仅0.28平方毫米,同时搭载编程脉冲生成电路、模数转换器等外围模块。
芯片运行频率为50 MHz,单次积分计算仅需9级流水,最终实现2.12毫秒的神经动力学单次迭代计算时延,首次将神经动力学硬件系统运行时间推进到毫秒级。
[物价飞涨的时候 这样省钱购物很爽]
无评论不新闻,发表一下您的意见吧

▲细粒度可控电导漂移调控机制
同时,该团队利用相变存储器的多级电导调控能力,构建高密度存内计算阵列,将内嵌神经网络的权重存储和矩阵运算统一映射到器件阵列中。
通过这种方式,神经动力学系统中的两类核心计算——自适应积分步长搜索和神经网络矩阵运算,被统一放入存内计算架构中完成,减少了传统芯片中的数据搬运、缓存访问以及大量乘加运算。
该方案减少了传统数字硬件中频繁的读写、乘法运算、缓存访问与数据搬运等高开销操作,兼具高精度与实时性,为后摩尔时代计算芯片提供了一种全新范式。

▲多级电导特性精准映射调控机制
这一成果标志着在神经动力学系统实时计算方面取得关键突破,它不仅将原本需要离线运行的复杂建模方法推向毫秒级实时在线操作,也为下一代脑机接口、脑数字孪生、神经导航和神经退行性疾病智能诊疗提供了全新的硬件底座。

▲基于相变型忆阻器的毫秒级神经动力学系统
二、运行频率为50 MHz,单次迭代计算时延达2.12毫秒
基于上述设计,研究团队采用40纳米工艺制造了一款神经动力学芯片。
该芯片集成存内计算阵列和步长漂移阵列,总面积仅0.28平方毫米,同时搭载编程脉冲生成电路、模数转换器等外围模块。
芯片运行频率为50 MHz,单次积分计算仅需9级流水,最终实现2.12毫秒的神经动力学单次迭代计算时延,首次将神经动力学硬件系统运行时间推进到毫秒级。
[物价飞涨的时候 这样省钱购物很爽]
| 分享: |
| 注: | 在此页阅读全文 |
| 延伸阅读 |
推荐:
北大中科院造芯片登上顶刊 比英伟达A100快478倍