隨著摩爾定律趨近極限,通過集成電路工藝微縮的方式獲得算力提升越來越難。而計算與存儲在不同電路單元中完成,需要進行大量數(shù)據(jù)搬運,使功耗增加,并產(chǎn)生額外延遲。如何提高算力,突破技術(shù)瓶頸?清華大學(xué)微電子所和未來芯片技術(shù)高精尖創(chuàng)新中心研發(fā)出一款基于多個憶阻器陣列的存算一體系統(tǒng),在處理卷積神經(jīng)網(wǎng)絡(luò)時的能效比圖形處理器芯片高兩個數(shù)量級,大幅提升計算設(shè)備的算力,且功耗為傳統(tǒng)芯片的1%。
研究人員通過優(yōu)化材料和器件結(jié)構(gòu),成功制備出高性能憶阻器陣列。為解決器件非理想特性造成的系統(tǒng)識別準確率下降問題,提出一種新型混合訓(xùn)練算法,僅需使用較少的圖像樣本訓(xùn)練神經(jīng)網(wǎng)絡(luò),并通過微調(diào)最后一層網(wǎng)絡(luò)的部分權(quán)重,便使存算一體架構(gòu)在手寫數(shù)字集上的識別準確率達到96.19%,與軟件的識別準確率相當。
與此同時,研究人員提出空間并行機制,將相同卷積核編程至多組憶阻器陣列中。各組憶阻器陣列可并行處理不同的卷積輸入塊,提高并行度來加速卷積計算。在此基礎(chǔ)上,研究人員搭建了由全硬件構(gòu)成的完整存算一體系統(tǒng),在這一系統(tǒng)中集成了多個憶阻器陣列,并在這一系統(tǒng)中高效運行了卷積神經(jīng)網(wǎng)絡(luò)算法,成功驗證了圖像識別功能,證明存算一體架構(gòu)全硬件實現(xiàn)的可行性。
清華大學(xué)未來芯片技術(shù)高精尖創(chuàng)新中心吳華強教授認為,基于憶阻器的新型存算一體架構(gòu)可以打破算力瓶頸,滿足人工智能等復(fù)雜任務(wù)對計算硬件的高需求。