华为布局忆阻器芯片,这可能是复刻人脑、实现强人工智能的最佳方式

  • A+
所属分类:技术资讯

技术编辑:北京卡尔博客出版:卡尔博客
据情报人员透露,华为在膜芯片领域尝试了部署。
华为分别在2019年3月(2015年6月申请)、2020年1月(2018年6月申请)公开了两项相关专利信息。与其他芯片相比,膜芯片暂时没有太多的应用场景,因此公众对其了解不多,但这可能是克隆人类大脑并实现强大人工智能的最好方法。
膜是什么?
记忆电阻器,全称记忆电阻,从名字来看,大体上可以修饰其功能。
第一个提出难忘设备的人是华裔科学家蔬菜汤,他当时在美国伯克利加利福尼亚大学伯克利分校教书。当时是1971年,在研究电荷、电流、电压、磁通量之间的关系的时候,教授在加州伯克利分校任教,他推断,除了电阻、电容、电感外,还应该有表示电荷和磁通量之间关系的组件。该组件的效果是,电阻随通过的电流量的变化而变化,即使电流停止,其电阻也保持在以前的值,直到逆电流通过为止。
简单地说,忆阻是具有记忆功能的非线性电阻。电阻可以控制电流的变化,从而改变电阻,如果高电阻定义为“1”,低电阻定义为“0”,则启用数据存储功能。实际上是具有记忆功能的非线性电阻器。
与一般的水管相比,电流是流动的水量,阻力是水管的厚度,当水往一个方向流动时,水管随着水流逐渐变粗。此时关闭流量,水管的粗细保持不变。相反,当水往相反的方向流动时,水管逐渐变细。这种元件“记住”以前的电流量,所以称为膜。
膜体积小,能耗低,可以很好地存储和处理信息。膜的工作负载,相当于一个CPU芯片上的十多个晶体管共同产生的效果。
比尔菲德大学托马斯博士和他的同事们在2012年制造了具有学习能力的记忆体装置.2013年,托马斯利用这个记忆装置作为人工大脑的核心部件。
托马斯认为,由于记忆装置与人脑内的突触非常相似,所以他把它制作成了制造人工大脑的好材料,“我们可以制造出非常节能、耐用、同时也可以自行学习的处理器。”托马斯在论文中总结了自己的实验结果,并引出了其他生物学和物理研究成果,第一次说明了这种模拟神经系统的计算机如何将自然现象转换成技术体系,以及其中应遵循的一些原则。
这种原理是,记忆装置必须“注意”以前的电子脉冲,就像突触一样。而且只有在刺激脉冲超过一段时间后,神经元才会作出反应。存储设备也是如此。“这也是展示人工大脑在进行学习和遗忘的过程中,记忆装置如何发挥作用的基础。”
清华大学存储设备人工神经网络芯片
随着人工智能的发展,英雄不能发挥才能的membrain凭借其卓越的性能,已经显示出广泛应用的前景。业界认为,这样的基础部件将从根本上推翻现有的硅芯片产业。
今年早些时候,清华大学配置宫发表了以记忆电阻器为基础的人工神经网络芯片、清华大学微电子、未来芯片技术高尖创新中心基安克雷恩、吴江集团和合作者在最高学术杂志、英国《自然》 mage(Nature)网上发表了论文,讨论了基于arister阵列芯片卷积网络的完美硬件实现。
据报道,该课题组在2017年5月的《自然通讯》报告中首次基于1024个氧化物膜阵列进行了大脑计算,氧化物膜的整合规模提高了一个层次。这样,芯片可以更有效地执行面部识别计算任务,将能耗减少到原来的千分之一以下。
此次最新进展,唐,吴团队整合了8个阵列,包括2048个存储设备,以提高并行计算的效率。
在此基础上,构建了用于图像识别的五层卷积神经网络,为解决设备固有缺陷引起的系统识别精度下降问题,提出了用较少的图像样本教育神经网络,微调最后一层网络的部分权重的新混合教育算法。
因此,图像识别的准确度提高了96%以上,结果表明,基于膜的卷积神经网络比当前最先进的GPU的能效高了两个等级。
同时,还提出了将同一个卷积核心编程到多组忆体阵列的空间并行机制,每组忆体阵列并行处理不同的卷积输入块,提高并行度,加快卷积计算。
随着摩尔定律的减慢,计算为了适应日益复杂的AI问题,正在等待克服冯诺依曼的瓶颈。基于存储设备的计算集成系统将在这次竞争中稳步前进,成为所有主要技术企业和政府机构的下一个发展点。
清华大学这次取得了可喜的成果,但芯片部门仍然是我国的弱点。分析人士认为,中国完全依靠自己的技术生产芯片和半导体至少需要5-10年的时间。相反,西方的竞争者也不会原地踏步,将继续完善自己的技术。
因此,在未来10年内,围绕全球芯片生产领导地位的竞争将会更加激烈。此次华为希望能提前抓住机会,吸引国内芯片企业、技术企业的关注。

发表评论

:?: :razz: :sad: :evil: :!: :smile: :oops: :grin: :eek: :shock: :???: :cool: :lol: :mad: :twisted: :roll: :wink: :idea: :arrow: :neutral: :cry: :mrgreen: