突破极限！清华大学研发出新技术，可大幅提升计算机算力

科技似乎已经成为一个国度示意综合实力的身分之一，近几年来科技范畴的竞争也尤为激烈，5G/人工智能手艺、AR、VR等好多新手艺范畴都存在着激烈的竞争，而这几年我国也一向在进行相关手艺的研发，争夺补足手艺短板，在某些方面可以实现领先。 （原创文章www.jj00.com）

将来跟着AI手艺的成长，人们对存储的需求也将进一步增进，这也对集成电路芯片带来更多的挑战。只不外因为摩尔定律的影响，想要采用集成电路工艺微缩的体式来实现算力的提拔会变得好不容易。此外，传统的冯诺依曼架构也会给较量和存储带来新的难题，导致大量数据在搬运过程中产能大量的功耗而且还会带来额外的延迟，若何解决存储一体化的问题也成为眼下需要解决的难题。

（原文来自久久自媒体）

近日，清华大学钱鹤、吴华强传授团队就联袂合作者破解了这一难题，研发出多个忆阻器阵列的存算一系统统，处理卷积神经面积时的能效比GPU要凌驾两个数量级，促进较量设备的算力大幅度提拔，将来可以经由更小的功耗和更低的硬件成正本解决加倍复杂的较量问题。其还可以让手写数字集上的识别正确率提高至96.19，比肩软件识别。

与此同时，在忆阻器阵列的加持下，还可以实现物理定于的并行较量，让存储和较量一体化，打破“冯诺依曼瓶颈”对算力的限制，知足人们对人工智能的更高需求。今朝，相关的研究功效已经揭橥在《天然》上。

固然如今清华大学搭救团队已经实现了基于忆阻器阵列打造的完整硬件，但其仍然面临着严重的挑战，贫乏靠得住的忆阻器、没有不乱靠得住的架构等都邑对存储一体的研发系统造成影响，从而对最终的较量效率造成影响。

总而言之，实现存储较量一体化照样对照难题的，现在清华大学团队迈出了要害一步，让多个忆阻器阵列在系统中集成，，大大提高了卷积神经收集算法的效能，而且实现了图像识别，这也表清楚存算一体架构是能够实现的。清华大学作为国内顶尖学府，在科研方面也拥有着很壮大的实力，相信将来手艺成熟后可以实现更大的冲破，早日让存算一体架构趋于成熟，解决人们在智能AI时代的困扰。