清華大学が開発した世界初のオンチップ学習メモリスタ記憶・計算統合チップがサイエンス誌に掲載

このタイプのメモリスタストレージと計算の統合チップは、「スタックネック」の主要コアテクノロジーを克服するために積極的な重要性を持っています。

清華大学の公式微博は10月9日に重要な結果を発表しました。同校は、オンチップ学習をサポートする世界初の統合メモリメモリと計算チップの開発に成功しました

最近、清華大学の呉華強教授と何高斌准教授が発表しました。は、メモリスタストレージと計算統合チップの分野で大きな進歩を遂げました。彼らは、統合されたストレージと計算コンピューティングのパラダイムに基づいて、オンチップ学習をサポートするチップの開発に成功しました。この研究成果は、国際科学雑誌「サイエンス」の最新号に掲載されました

清華大学によると、記憶抵抗器（Memristor）は、抵抗、静電容量、インダクタンスに次ぐ4番目の基本回路部品です。電源を切った後も通過電荷を「記憶」できるため、新しいタイプのナノ電子シナプスデバイスになる可能性があります

2012年以来、清華大学のQian He氏とWu Huaqiang氏のチームはメモリスティブデバイスの開発に取り組んできました。プロトタイプチップからシステム統合まで、彼らは協力して重要な問題に取り組み、AIコンピューティングパワーのボトルネックの問題を徐々に解決しました

論文「エッジラーニング」完全に統合された神経にインスピレーションを得たメモリスタチップを使用する」は次のとおりです。

論文を表示するには、次のリンクをクリックしてください: https://www.science.org/doi/full/10.1126/science.ade3483

研究概要とは、特定の研究に関する全体的な理解と概要を指します。研究分野。通常、この分野の歴史的背景、研究の目的、方法、結果についての簡単な紹介が含まれます。研究概要の目的は、読者がこの分野の基本的な状況をすぐに理解できるようにし、さらに詳細な研究の基礎を提供することです。研究概要は通常、研究論文、レポート、学術論文の一部であり、読者が研究内容を全体的に理解するのに役立ちます。研究の概要を読むことで、読者はこの分野における重要な研究の進歩と既存の知識のギャップについて知ることができ、それによって自分の研究に参考とインスピレーションを与えることができます

メモリスタベースのコンピューティング技術が最近大きな注目を集めていることを私たちは知っています。このテクノロジーには、従来のコンピューティング アーキテクチャのいわゆる「フォン ノイマン ボトルネック」を克服する可能性があります。メモリスタの特別な点は、完全なオンチップ学習の実装は依然として困難であるにもかかわらず、さまざまなエッジ インテリジェンス アプリケーションに対してリアルタイムでエネルギー効率の高いオンチップ学習を可能にできることです。

ニューロにヒントを得たメモリスタチップを使用したエッジ学習の概略図を以下に示します。図 1 は、人間の脳の学習能力を向上させる能力を示しています。図 2 は、メモリスタ ベースのニューロインスピレーション コンピューティング チップの設計と将来のアプリケーションを示しています。このチップは完全なオンチップ学習向けに設計されており、必要なすべてのモジュールをメモリスター アレイと統合しているため、エッジ AI デバイスは学習機能を備え、新しいシナリオに迅速に適応できます

関連する問題を解決するために、清華大学博士課程同大学集積回路学部の学生 Zhang Wenbin と博士研究員 Yao Peng は、Memristor Characteristic Symbol and Threshold Based Learning Architecture (STELLAR) と呼ばれるソリューションを提案し、完全なシステム統合チップの製造に成功しました。このチップには、複数のメモリスタ アレイと、完全なオンチップ学習をサポートするために必要なすべての相補型金属酸化膜半導体周辺回路が含まれています

下の図 2 は、オンチップ学習のためのメモリスタ機能アーキテクチャ設計を示しています。A は、で使用されるメモリスタ チップ STELLAR アーキテクチャです。 B と C は分類精度の比較、D は差動コンダクタンス ペア (左) と 1T1R (中央) および 2T2R (右) 構成の重み、E は周期的並列コンダクタンス調整スキームです。

以下の図 3 は、オンチップ学習に使用されるメモリスタ チップを示しています。A はアーキテクチャの概要、B はチップの光学顕微鏡画像、C は 2T2R セルの断面透過型電子顕微鏡画像です。 。

研究者らは、モーション制御、画像分類、音声認識などのさまざまなタスクに関するエンドツーエンドのオンチップ学習の改善を実証し、ソフトウェアのような精度とハードウェアコストの削減を実現しました。この研究は、インメモリ コンピューティングの分野における重要な一歩を示しています。

下の図 4 は、memristor チップを使用して学習を改善した例を示しています。 Aはモーションコントロールタスクとその制御システムを示し、Bは光を追う車の新しいサンプルの学習を示し、Fは画像分類タスクの新しいカテゴリの学習を示します

次のアニメーションのデモを見てみましょう。

まず、手書き数字の新しいカテゴリの学習タスクについて説明します

さらに、モーター制御の分野では学習を改善することができます。以下に示すように、学習を改善する前は、前方に走行している青い車がターゲットの赤い車を見逃す傾向がありました。

学習して改善した後、前進する青い車はまず後退して調整し、最後に目標の赤い車に向かって前進を続けます

それだけでなく、明るいシーンでも学習が改善される前の場合、次のプロセスで青い車が目標の赤い車から逸脱することがよくありました。

明るいシーンでの学習が改善された後、青い車はよく適応し、常にターゲットの赤い車を追跡します。

学術論文の共同筆頭著者として、Zhang Wenbin と Yao Peng は博士課程の研究中に、半導体、マイクロエレクトロニクス、ソフトウェア アルゴリズム、脳からインスピレーションを得たコンピューティングなど、さまざまな方向での大量の科学研究の知識に触れました。 、実りある研究開発成果と豊富なエンジニアリング建設経験を蓄積しました。

^{研究チームは集合写真を撮りました。}

^{参考レポート:}

^{書き換えが必要な内容: https://mp.weixin.qq.com/s/w0VZNIQ1KbClJJ8c05hPqg}

以上が清華大学が開発した世界初のオンチップ学習メモリスタ記憶・計算統合チップがサイエンス誌に掲載の詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。