科创中国

在人工智能日益火热的今天，由于“冯·诺依曼架构”存在“存储墙瓶颈”，现有计算平台无法高效实现相关算法，功耗成为制约因素。尽管基于CMOS技术设计的人工智能定制芯片已实现了计算能效的大幅提升，但是与人脑的实际能效还相差甚远，而且这种技术的能效已接近理论上的上限，难以进一步提升。随着智能任务的复杂化和智能设备的小型化发展，如何进一步提升芯片的计算能效成为未来必须面对的问题。忆阻器是一种新型半导体器件，它与生物神经细胞相似的功能，可以融合计算与存储，快速并行地完成神经网络计算。该成果开发了一种可嵌入CMOS芯片的高性能氧化物忆阻器件，不但可以在一个器件上存储多比特数据，还能够直接完成矩阵乘加运算。进一步的，该成果基于开发的忆阻器搭建了神经网络硬件系统的原型，包含了1024个氧化物忆阻器件，并提出了与新型硬件架构相匹配的操作方式，用来实现在线学习，以满足不同应用场景的需求。在该系统上完成了标准图像数据库的分类识别功能，证明了该系统达到了与现有CPU接近的识别率和泛化能力，相较于当前主流的Intel 至强（Xeon） Phi处理器，该原型系统具有1000倍以上的能耗优势。这一技术可以实现大规模的集成，未来可在一块芯片上处理各种人工智能算法，非常适合手机、无人机等低功耗场景的应用。