基于内存计算技术的人工智能芯片问世

通过改变计算的基本属性，普林斯顿大学的研究人员最近开发了一种新的计算机芯片，主要用于人工智能系统，这种芯片可以大大提高性能，同时降低能耗要求。该芯片基于内存计算技术，旨在克服处理器需要花费大量时间和精力从内存获取数据的主要瓶颈，并通过在内存中直接执行计算来提高速度和效率。

该芯片使用标准编程语言，尤其适用于依赖高性能计算且电池寿命有限的手机、手表或其他设备。

研究人员表示，对于许多应用来说，芯片节能与性能提升同等重要，因为许多人工智能应用将运行在电池供电的设备上，如手机或可穿戴医疗传感器。这也是对可编程性的要求。

传统的计算机体系结构将处理数据的*处理器与存储数据的存储器分开。许多计算机的能耗被用来来回传输数据。新芯片考虑在架构层面而不是晶体管层面突破摩尔定律。然而，创建这样一个系统的挑战是尽可能密集地设计存储电路，以便封装大量数据。

研究小组使用电容器来解决上述问题。电容器可以在比晶体管更密集的空间中计算，并且可以在芯片上非常精确地制造。新设计将电容器与芯片上的静态随机存取存储器(SRAM)的传统单元配对。电容器和静态随机存储器的组合用于计算模拟(非数字)域中的数据。这个存储电路可以根据芯片*处理器的指令进行计算。

实验室测试表明，该芯片的性能比同类芯片快几十到几百倍。研究人员称，他们已经将存储电路集成到可编程处理器架构中。"如果以前的芯片是一个强大的引擎，新的芯片将是一个完整的载体."

普林斯顿大学开发的新芯片主要用于支持为深度学习推理算法设计的系统，该算法允许计算机通过学习数据集做出决策和执行复杂任务。深度学习系统可以指导自动驾驶汽车、人脸识别系统和医疗诊断软件。