欢迎您访问科普小知识本站旨在为大家提供日常生活中常见的科普小知识,以及科普文章!
您现在的位置是:首页  > 科普文章

东北大学本科生团队研发“深度学习”神经芯片

科普小知识2022-10-19 23:41:08
...

几天前,在东北大学浑南校区信息博物馆前,在计算机科学与工程学院的学生蒋承志脚下,有一个像螃蟹一样的小机器人紧紧地跟着他,从未离开过。他正在“深入研究”自己的行为。蒋承志仔细检查了机器人的参数并做了详细记录。

蒋承志是东北大学的本科生。他和他的同事、、元组成了一个创新团队。现场可编程门阵列的FPGA神经芯片应用于人工智能的深度学习领域。卷积神经网络试图在芯片中模拟人脑以大规模并行方式处理信息。目前,项目组已成功将基于FPGA的神经芯片植入硬件资源进行深度学习,并获得了大学生创新项目的*资助。

深度学习是指学习样本数据的内在规律和深层特征,使神经网络结构具有像人类一样独立分析和学习新事物的能力。目前,该技术已经在文本、图像处理、语音识别、机器翻译等领域取得了很大的成就。然而,随着电子信息技术的发展,人们要求计算机更“有意识地”为生活服务。机器本身需要像人一样识别和感知周围的环境,并对复杂的环境做出正确的判断。这就对计算机的深入学习和低成本获取的便利性提出了更高的要求。

目前,深度学习的实现平台依赖于一个庞大的CPU/GPU集群,成本非常昂贵,难以在现实生活中实现和应用。同时,传统的嵌入式处理设备ARM和DSP无法实现深度学习的实时处理。

FPGA神经芯片作为一种具有现场可编程功能的逻辑门元件,具有很强的并行数据处理能力和优势。卷积神经网络具有很强的特征提取能力,使其广泛应用于图像分类识别、目标跟踪等领域。蒋承志团队创新性地将FPGA神经芯片作为可实现深度学习的嵌入式处理器,并将卷积神经网络算法应用于基于FPGA的目标跟踪设备,大大提高了设备的运行速度。经过“分流”(即工业试生产),体积大大缩小的神经芯片更适合嵌入式应用,从而大大降低了具有深度学习能力的设备的制造成本。

这项创新技术的应用范围非常广泛。它可以嵌入到目标识别、跟踪、图像处理、语音、自然语言等许多领域。只要设置不同的参数,就可以满足各种场景的需要。例如,将芯片连接到摄像机可以直接识别所需的目标。将其植入机器人可以完成更复杂的任务,如目标跟踪,具有巨大的市场应用潜力。接下来,该团队将跟随技术发展趋势,研究基于神经芯片的高质量深度相机,使其能够应用于智能汽车和无人驾驶领域,并积极推动神经芯片在“互联网+”相关领域的广泛应用。(王玉辉)

《中国科学报》(2018-02-27,第8版)