近日,北京大學人工智能研究院的研究團隊與集成電路學院合作,成功研製出一款基於阻變存儲器的高精度、可擴展模擬矩陣計算晶片。該晶片在解決大規模MIMO訊號檢測等關鍵科學問題時,其計算吞吐量和能效相比當前頂級圖形處理器(GPU)提升了百倍至千倍。相關研究成果已於10月13日發表在《自然·電子學》期刊上。

《每日經濟新聞》報導,北京大學人工智能研究院的孫仲研究員團隊聯合集成電路學院研究團隊,成功研製出一款基於阻變存儲器的高精度、可擴展模擬矩陣計算晶片,首次實現在精度上可與數字計算機媲美的模擬計算系統。
孫仲研究員以生動的比喻解釋了模擬計算的概念。他指出,現有的所有晶片都依賴數字計算,數據需轉換為二進位形式—0和1的符號串,而模擬計算則可以直接使用連續的物理量(如電壓和電流)來表示數字,這樣的方式避免了數據轉換的過程,從而提升了計算效率。
此次研發的晶片在計算精度上已實現16×16矩陣的24比特定點數精度求逆,經過十次迭代後,相對誤差可低至10⁻⁷量級。在計算性能方面,當解決32×32矩陣求逆問題時,該晶片的算力已超越高端GPU的單核性能,而在128×128的矩陣問題上,其計算吞吐量更是達到頂級數位處理器的1000倍以上,傳統GPU一天的活,這款晶片1分鐘即可搞定,顯示出其在AI領域的巨大潛力。
孫仲還指出,這款模擬計算晶片將成為未來AI計算的強大補充,特別是在計算智能領域,如機器人和人工智能模型的訓練中,將發揮重要作用。未來,CPU、GPU與模擬計算晶片將形成互補共存的局面,進一步推動計算技術的發展。