Der weltweit erste von der Tsinghua-Universität entwickelte On-Chip-Learning-Memristor-Speicher- und Berechnungschip wurde im Science-Magazin veröffentlicht

Diese Art von integriertem Memristor-Speicher- und Berechnungschip hat eine positive Bedeutung für die Überwindung der „Steckhals“-Schlüsselkerntechnologie.

Das offizielle Weibo der Tsinghua-Universität veröffentlichte am 9. Oktober ein wichtiges Ergebnis. Die Schule entwickelte erfolgreich den weltweit ersten integrierten Speicher- und Berechnungschip, der On-Chip-Lernen unterstützt.

Kürzlich hat Professor Wu Huaqiang von der Tsinghua-Universität außerordentlicher Professor He Takabin hat große Durchbrüche auf dem Gebiet der integrierten Memristor-Speicher- und Berechnungschips erzielt. Basierend auf dem integrierten Speicher- und Berechnungsparadigma entwickelten sie erfolgreich einen Chip, der das On-Chip-Lernen unterstützt. Dieses Forschungsergebnis wurde in der neuesten Ausgabe der internationalen Fachzeitschrift „Science“ veröffentlicht.

Nach Angaben der Tsinghua-Universität ist der Speicherwiderstand (Memristor) nach Widerstand, Kapazität und Induktivität die vierte Grundschaltungskomponente. Es kann sich die vorbeiströmende Ladung auch nach dem Ausschalten immer noch „merken“, sodass es zu einem neuen Typ eines nanoelektronischen synaptischen Geräts werden kann

Seit 2012 arbeiten die Teams von Qian He und Wu Huaqiang von der Tsinghua-Universität an memristiven Geräten. Die gemeinsame Forschung zu Prototyp-Chips und Systemintegration hat das Problem des Engpasses bei der KI-Rechenleistung schrittweise gelöst. Ihre neue Forschung hat das Problem des „steckengebliebenen Halses“ in wichtigen Kerntechnologien bis zu einem gewissen Grad überwunden. Der Artikel „Edge Learning mit einem vollständig integrierten Neuro -inspirierter Memristor-Chip“ ist wie folgt.

Bitte klicken Sie auf den folgenden Link, um das Papier anzuzeigen: https://www.science.org/doi/full/10.1126/science.ade3483

Ein Forschungsüberblick bezieht sich auf das Gesamtverständnis und den Überblick über ein bestimmtes Thema Forschungsfeld. Es beinhaltet in der Regel eine kurze Einführung in den historischen Hintergrund, die Forschungsziele, Methoden und Ergebnisse des Fachgebiets. Ziel des Forschungsüberblicks ist es, den Lesern ein schnelles Verständnis der Grundsituation auf diesem Gebiet zu ermöglichen und eine Grundlage für weitere vertiefende Recherchen zu schaffen. Ein Forschungsüberblick ist normalerweise Teil einer Forschungsarbeit, eines Berichts oder eines wissenschaftlichen Artikels, der den Lesern hilft, ein umfassendes Verständnis des Forschungsinhalts zu erlangen. Durch die Lektüre des Forschungsüberblicks können sich Leser über wichtige Forschungsfortschritte und bestehende Wissenslücken in diesem Bereich informieren und so Referenz und Inspiration für ihre eigene Forschung erhalten

Wir wissen, dass Memristor-basierte Computertechnologie in letzter Zeit große Aufmerksamkeit erhalten hat. Achtung, dies Technologie hat das Potenzial, den sogenannten „Von-Neumann-Engpass“ der traditionellen Computerarchitektur zu überwinden. Das Besondere an Memristoren ist, dass sie energieeffizientes On-Chip-Lernen in Echtzeit für eine Vielzahl von Edge-Intelligence-Anwendungen ermöglichen können, auch wenn die Implementierung eines vollständigen On-Chip-Lernens immer noch eine Herausforderung darstellt.

Ein schematisches Diagramm des Edge-Learnings mit neuroinspirierten Memristor-Chips ist unten dargestellt. Abbildung 1 veranschaulicht die Fähigkeit des menschlichen Gehirns, das Lernen zu verbessern. Abbildung 2 veranschaulicht das Design und zukünftige Anwendungen eines Memristor-basierten neuroinspirierten Computerchips. Dieser Chip ist für vollständiges On-Chip-Lernen konzipiert und integriert alle erforderlichen Module in das Memristor-Array, sodass Edge-KI-Geräte über Lernfähigkeiten verfügen und sich schnell an neue Szenarien anpassen können. Um damit verbundene Probleme zu lösen, hat die Tsinghua University Doctoral Der Student Zhang Wenbin und der Postdoktorand Yao Peng von der School of Integrated Circuits der Universität schlugen eine Lösung namens Memristor Characteristic Symbol and Threshold-Based Learning Architecture (STELLAR) vor und produzierten erfolgreich einen vollständig systemintegrierten Chip. Der Chip umfasst mehrere Memristor-Arrays und alle notwendigen komplementären Metalloxid-Halbleiter-Peripherieschaltungen, die zur Unterstützung des vollständigen On-Chip-Lernens erforderlich sind.

Abbildung 2 unten zeigt das Design der Memristor-Feature-Architektur für On-Chip-Lernen. A ist die STELLAR-Architektur des Memristor-Chips, die in verwendet wird. B und C sind Vergleiche der Klassifizierungsgenauigkeit, D sind die Gewichte mit differentiellen Leitfähigkeitspaaren (links) und 1T1R- (Mitte) und 2T2R-Konfigurationen (rechts), E ist das zyklische parallele Leitfähigkeitsanpassungsschema.

Abbildung 3 unten zeigt den Memristor-Chip, der für das On-Chip-Lernen verwendet wird. A ist die Architekturübersicht, B ist das optische Mikroskopbild des Chips und C ist das Querschnitts-Transmissionselektronenmikroskopbild der 2T2R-Zelle .

Forscher demonstrierten durchgängig verbessertes On-Chip-Lernen bei einer Vielzahl von Aufgaben wie Bewegungssteuerung, Bildklassifizierung und Spracherkennung, wodurch eine softwareähnliche Genauigkeit und geringere Hardwarekosten erreicht wurden. Diese Arbeit markiert einen wichtigen Schritt auf dem Gebiet des In-Memory-Computing.

Abbildung 4 unten zeigt ein Beispiel für verbessertes Lernen mithilfe eines Memristor-Chips. A zeigt die Bewegungssteuerungsaufgabe und ihr Steuerungssystem, B zeigt das Lernen neuer Muster von Lichtverfolgungsautos und F zeigt das Lernen neuer Kategorien in der Bildklassifizierungsaufgabe

Werfen wir einen Blick auf die folgenden Animationsdemonstrationen.

Zuerst besprechen wir eine neue Kategorie Lernaufgabe von handgeschriebenen Ziffern

Darüber hinaus kann das Lernen im Bereich der motorischen Kontrolle verbessert werden. Wie unten gezeigt, neigte das vorwärtsfahrende blaue Auto vor dem verbesserten Lernen dazu, das rote Zielauto zu verfehlen.

Nach dem Lernen und Verbessern macht das vorwärtsfahrende blaue Auto zunächst eine Rückwärtsbewegung, um sich anzupassen, und fährt schließlich weiter vorwärts in Richtung des roten Zielautos.

Nicht nur das, in hellen Szenen Vor dem verbesserten Lernen , weicht das blaue Auto im folgenden Prozess oft vom roten Zielauto ab.

Nach verbessertem Lernen in hellen Szenen passt sich das blaue Auto gut an und folgt immer dem roten Zielauto.

Als Co-Erstautoren wissenschaftlicher Arbeiten kamen Zhang Wenbin und Yao Peng während ihres Doktoratsstudiums mit einer großen Menge an wissenschaftlichem Forschungswissen in verschiedenen Richtungen wie Halbleitern, Mikroelektronik, Softwarealgorithmen und gehirninspiriertem Rechnen in Berührung und sammelte fruchtbare Forschungs- und Entwicklungsergebnisse und reiche Erfahrung im Ingenieurbau.

^{Das Forschungsteam machte ein Gruppenfoto.}

^{Referenzbericht:}

^{Der Inhalt, der neu geschrieben werden muss, ist: https://mp.weixin.qq.com/s/w0VZNIQ1KbClJJ8c05hPqg}

Das obige ist der detaillierte Inhalt vonDer weltweit erste von der Tsinghua-Universität entwickelte On-Chip-Learning-Memristor-Speicher- und Berechnungschip wurde im Science-Magazin veröffentlicht. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!