金 鳳
受人腦工作機(jī)理、計(jì)算方式等啟發(fā)，近年來，科學(xué)家們試圖借鑒人腦的物理結(jié)構(gòu)和工作特點(diǎn)，讓計(jì)算機(jī)完成特定的計(jì)算任務(wù)。
不過，受制于傳統(tǒng)計(jì)算機(jī)架構(gòu)瓶頸的限制，在目前的信息計(jì)算處理技術(shù)中，數(shù)據(jù)存儲和計(jì)算需要由存儲芯片和中央處理器分別來完成。數(shù)據(jù)在二者之間“搬運(yùn)”處理，耗時長、功耗大，還隨時有可能“交通堵塞”。
計(jì)算機(jī)能不能像人腦一樣將存儲和計(jì)算合二為一，從而高速處理信息？
近日，清華大學(xué)微電子所、未來芯片技術(shù)高精尖創(chuàng)新中心研究團(tuán)隊(duì)，與合作者共同研發(fā)出一款基于多個憶阻器陣列的存算一體系統(tǒng)，能夠高效地處理卷積神經(jīng)網(wǎng)絡(luò)，能效比圖形處理器芯片高兩個數(shù)量級，有望大幅提升計(jì)算設(shè)備的算力，相關(guān)成果近日發(fā)表于《自然》雜志。
存算一體小功耗實(shí)現(xiàn)大算力
隨著人工智能應(yīng)用對計(jì)算和存儲需求的不斷提升，集成電路芯片技術(shù)面臨諸多新挑戰(zhàn)。一方面，摩爾定律“漸行漸遠(yuǎn)”，通過集成電路工藝微縮的方式獲得算力提升越來越難；另一方面，傳統(tǒng)架構(gòu)中，計(jì)算與存儲在不同電路單元中完成，大量數(shù)據(jù)搬運(yùn)會造成功耗增加和額外延遲。
“如果我們把居家生活比作存儲，把上班比作計(jì)算，每天上班路上會消耗時間、能量，遇到早晚高峰，通勤時間會更長。這個場景和信息處理有很多相似之處，如果存儲和計(jì)算合二為一，就相當(dāng)于居家辦公一樣，能減少通勤時間也能節(jié)省體力消耗，可以用更小的功耗實(shí)現(xiàn)更大的算力，減少數(shù)據(jù)傳輸?shù)难舆t?！痹搱F(tuán)隊(duì)的研究成員之一、清華大學(xué)未來芯片技術(shù)高精尖創(chuàng)新中心教授吳華強(qiáng)說。
所以，如何實(shí)現(xiàn)計(jì)算存儲一體化、突破算力瓶頸，成為近年來國內(nèi)外的科研熱點(diǎn)。
憶阻器，是繼電阻、電容、電感之后的第四種電路基本元件，這種元件的阻值是由流經(jīng)它的電荷確定的。即使電流中斷，憶阻器的電阻仍然會停留在之前的數(shù)值，這意味著，就算是斷電了，這一部分的數(shù)據(jù)還可以保留。再加上憶阻器的尺寸小，可以大規(guī)模集成，功耗低，又適合做模擬計(jì)算，所以研究團(tuán)隊(duì)認(rèn)為，可以用憶阻器嘗試做存算一體、低能耗類腦計(jì)算。
但現(xiàn)實(shí)遠(yuǎn)比理想骨感。憶阻器器件間波動、器件電導(dǎo)卡滯、電導(dǎo)狀態(tài)漂移等，會導(dǎo)致計(jì)算準(zhǔn)確率降低，制備具有高一致性、高可靠性的多值憶阻器陣列很困難。
憶阻器性能好壞，很大程度上取決于材料的選擇與組合。在選擇材料時，團(tuán)隊(duì)主要考慮所選材料的物理參數(shù)是否易調(diào)控、未來是否適合產(chǎn)業(yè)化。
出于這些考量，團(tuán)隊(duì)在憶阻器常用的二氧化鉿材料上，添加了一層界面調(diào)控層。這個界面調(diào)控層是一種金屬氧化層材料，它的不同成分占比可以根據(jù)不同工藝精確控制。通過這種方法，可以比較有效地控制憶阻器中二氧化鉿部分的微觀變化，以及內(nèi)部的溫度和電場。
“界面調(diào)控層就像一層口罩，不僅能隔絕病毒、灰塵，還能保暖、保濕。這種設(shè)計(jì)方式使器件具有非常優(yōu)異的電學(xué)特性，而且可以在工廠里大規(guī)模生產(chǎn)?！痹撗芯繄F(tuán)隊(duì)的高濱副教授說。
或許會率先應(yīng)用在人工智能領(lǐng)域
想讓憶阻器存算一體系統(tǒng)解決實(shí)際問題，需要在處理大量的計(jì)算任務(wù)中，克服器件、系統(tǒng)、算法等方面的瓶頸，卷積神經(jīng)網(wǎng)絡(luò)是很好的“試金石”。
卷積神經(jīng)網(wǎng)絡(luò)是一種重要的深度學(xué)習(xí)模型，借鑒了人腦處理視覺信息的方式，從算法角度，通過卷積、池化等操作，高效提取圖像、視頻等特征信息，在多種計(jì)算機(jī)視覺任務(wù)處理中取得了很好的效果。在傳統(tǒng)計(jì)算架構(gòu)中，受限于存儲和計(jì)算分離的設(shè)計(jì)，實(shí)現(xiàn)卷積神經(jīng)網(wǎng)絡(luò)模型會出現(xiàn)功耗高、延時長，無法滿足眾多生活場景中電池容量、實(shí)時操作等要求。
團(tuán)隊(duì)認(rèn)為，存算一體的憶阻器，可以用來實(shí)現(xiàn)卷積神經(jīng)網(wǎng)絡(luò)等深度學(xué)習(xí)模型的高效處理，滿足日常應(yīng)用對算力、功耗的要求。他們還提出了空間并行的機(jī)制，將相同卷積核編程到多組憶阻器陣列中，各組憶阻器陣列可并行處理不同的卷積輸入塊。他們集成了8個憶阻器處理單元，每個單元陣列包含2048個憶阻器件，用以提高并行計(jì)算的效率。該系統(tǒng)高效運(yùn)行了卷積神經(jīng)網(wǎng)絡(luò)算法，成功驗(yàn)證了圖像識別功能，證明了存算一體架構(gòu)全硬件實(shí)現(xiàn)的可行性。
吳華強(qiáng)說，憶阻器存算一體系統(tǒng)，或許會率先應(yīng)用在人工智能領(lǐng)域，如果用基于憶阻器的存算一體芯片生產(chǎn)手機(jī)，那么芯片的算力幾乎可以讓手機(jī)掌握“讀心術(shù)”，“它能聽懂你的聲音，知道你喜歡哪些照片，會跟你越來越親近，變得越來越智能?！?/p>
聯(lián)系客服
