이러한 유형의 멤리스터 저장 및 계산 통합 칩은 "Stuck Neck" 핵심 핵심 기술을 극복하는 데 긍정적인 의미를 갖습니다.
칭화대학교 공식 웨이보가 10월 9일 중요한 결과를 발표했습니다. 이 학교는 온칩 학습을 지원하는 세계 최초의 통합 메모리 메모리 및 계산 칩을 성공적으로 개발했습니다.
최근 칭화대학교 Wu Huaqiang 교수 He Takabin 부교수 멤리스터 저장 및 계산 통합 칩 분야에서 획기적인 발전을 이루었습니다. 통합 저장 및 계산 컴퓨팅 패러다임을 기반으로 온칩 학습을 지원하는 칩 개발에 성공했습니다. 이번 연구결과는 국제학술지 '사이언스' 최신호에 게재됐다.
청화대학교에 따르면 메모리 저항기(Memristor)는 저항, 정전용량, 인덕턴스에 이어 네 번째 기본 회로 부품이다. 전원이 꺼진 후에도 통과하는 전하를 "기억"할 수 있으므로 새로운 유형의 나노전자 시냅스 장치가 될 수 있습니다
2012년부터 칭화 대학교의 Qian He와 Wu Huaqiang 팀은 기억 장치에 대한 연구를 진행해 왔습니다. 프로토타입 칩부터 시스템 통합까지 핵심 문제를 해결하기 위해 협력하여 AI 컴퓨팅 성능 병목 현상 문제를 점진적으로 해결했습니다. 그들의 새로운 연구는 핵심 핵심 기술의 "stuck neck" 문제를 어느 정도 극복했습니다. 완전히 통합된 신경에서 영감을 받은 멤리스터 칩'은 다음과 같습니다.
논문을 보려면 다음 링크를 클릭하세요: https://www.science.org/doi/full/10.1126/science.ade3483
우리는 멤리스터 기반 컴퓨팅 기술이 최근 큰 주목을 받고 있다는 것을 알고 있습니다. 기술은 전통적인 컴퓨팅 아키텍처의 소위 "폰 노이만 병목 현상"을 극복할 수 있는 잠재력을 가지고 있습니다. 멤리스터의 특별한 점은 완전한 온칩 학습 구현이 여전히 어렵더라도 다양한 에지 인텔리전스 애플리케이션에 대해 에너지 효율적인 실시간 온칩 학습을 가능하게 할 수 있다는 것입니다.
신경에서 영감을 받은 멤리스터 칩을 사용한 에지 학습의 개략도는 다음과 같습니다. 그림 1은 학습을 향상시키는 인간 두뇌의 능력을 보여줍니다. 그림 2는 멤리스터 기반 신경 영감 컴퓨팅 칩의 설계 및 향후 애플리케이션을 보여줍니다. 이 칩은 완전한 온칩 학습을 위해 설계되었으며 필요한 모든 모듈을 멤리스터 어레이와 통합하여 엣지 AI 장치가 학습 기능을 갖추고 새로운 시나리오에 신속하게 적응할 수 있도록 합니다
관련 문제를 해결하기 위해 칭화대학교 박사 University's School of Integrated Circuits의 Zhang Wenbin 학생과 박사후 연구원 Yao Peng은 STELLAR(Memristor Characteristic Symbol and Threshold-Based Learning Architecture)라는 솔루션을 제안하고 전체 시스템 통합 칩을 성공적으로 생산했습니다. 이 칩에는 완전한 온칩 학습을 지원하는 데 필요한 여러 개의 멤리스터 어레이와 필요한 모든 보완적 금속 산화물 반도체 주변 회로가 포함되어 있습니다.
아래 그림 2는 온칩 학습을 위한 멤리스터 기능 아키텍처 설계를 보여줍니다. A는 에서 사용되는 멤리스터 칩 STELLAR 아키텍처입니다. B와 C는 분류 정확도의 비교이고, D는 차동 컨덕턴스 쌍(왼쪽)과 1T1R(가운데) 및 2T2R(오른쪽) 구성의 가중치이고, E는 순환 병렬 컨덕턴스 조정 방식입니다.
아래 그림 3은 온칩 학습에 사용되는 멤리스터 칩을 보여줍니다. A는 아키텍처 개요, B는 칩의 광학 현미경 이미지, C는 2T2R 셀의 단면 투과 전자 현미경 이미지입니다. .
연구원들은 동작 제어, 이미지 분류, 음성 인식 등 다양한 작업에 대한 엔드투엔드 온칩 향상된 학습을 시연하여 소프트웨어와 같은 정확성을 달성하고 하드웨어 비용을 절감했습니다. 이 작업은 인메모리 컴퓨팅 분야에서 중요한 단계를 의미합니다.
아래 그림 4는 멤리스터 칩을 사용하여 향상된 학습의 예를 보여줍니다. A는 모션 제어 작업과 해당 제어 시스템을 보여주고, B는 빛을 쫓는 자동차의 새로운 샘플 학습을 보여주며, F는 이미지 분류 작업의 새로운 카테고리 학습을 보여줍니다
다음 애니메이션 데모를 살펴보겠습니다.
먼저, 손글씨 숫자의 새로운 카테고리 학습 과제에 대해 논의하겠습니다.
또한, 운동 제어 분야에서도 학습이 향상될 수 있습니다. 아래 그림과 같이 학습이 개선되기 전에는 앞으로 움직이는 파란색 자동차가 목표 빨간색 자동차를 놓치는 경향이 있었습니다.
학습하고 개선한 후 앞으로 이동하는 파란색 자동차는 먼저 후진하여 조정하고 마지막으로 목표 빨간색 자동차를 향해 계속해서 전진합니다.
그뿐만 아니라 밝은 장면에서 개선된 학습 전 , 파란색 자동차는 다음 과정에서 대상 빨간색 자동차에서 벗어나는 경우가 많습니다.
밝은 장면에서 학습 능력이 향상되자 파란 차는 잘 적응하며 항상 목표한 빨간 차를 따라갑니다.
학술 논문의 공동 제1저자인 Zhang Wenbin과 Yao Peng은 박사 과정 동안 반도체, 마이크로 전자 공학, 소프트웨어 알고리즘, 뇌 영감 컴퓨팅 등 다양한 분야에서 많은 양의 과학 연구 지식을 접했습니다. , 축적된 유익한 연구 개발 결과와 풍부한 엔지니어링 건설 경험을 보유하고 있습니다.
연구팀이 단체 사진을 찍었습니다.
참고 보고서:
다시 작성해야 하는 내용은 다음과 같습니다. https://mp.weixin.qq.com/s/w0VZNIQ1KbClJJ8c05hPqg
위 내용은 칭화대학교가 개발한 세계 최초의 온칩 학습 멤리스터 저장 및 계산 통합 칩이 사이언스 잡지에 게재되었습니다.의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!

과학자들은 C. el 그러나 중요한 질문이 발생합니다. 새로운 AI S와 함께 효과적으로 작동하도록 우리 자신의 신경망을 어떻게 조정합니까?

Google의 Gemini Advanced : 수평선의 새로운 가입 계층 현재 Gemini Advanced에 액세스하려면 $ 19.99/월 Google One AI Premium Plan이 필요합니다. 그러나 Android Authority 보고서는 다가오는 변경 사항을 암시합니다. 최신 Google p. 내 코드

고급 AI 기능을 둘러싼 과대 광고에도 불구하고 Enterprise AI 배포 내에서 상당한 도전 과제 : 데이터 처리 병목 현상. CEO는 AI 발전을 축하하는 동안 엔지니어는 느린 쿼리 시간, 과부하 파이프 라인,

문서 처리는 더 이상 AI 프로젝트에서 파일을 여는 것이 아니라 혼돈을 명확하게 전환하는 것입니다. PDF, PowerPoint 및 Word와 같은 문서는 모든 모양과 크기로 워크 플로우를 범람합니다. 구조화 된 검색

Google의 에이전트 개발 키트 (ADK)의 전력을 활용하여 실제 기능을 갖춘 지능형 에이전트를 만듭니다! 이 튜토리얼은 Gemini 및 GPT와 같은 다양한 언어 모델을 지원하는 ADK를 사용하여 대화 에이전트를 구축하는 것을 안내합니다. w

요약: SLM (Small Language Model)은 효율성을 위해 설계되었습니다. 자원 결핍, 실시간 및 개인 정보 보호 환경에서 LLM (Large Language Model)보다 낫습니다. 초점 기반 작업, 특히 도메인 특이성, 제어 성 및 해석 성이 일반적인 지식이나 창의성보다 더 중요합니다. SLM은 LLM을 대체하지는 않지만 정밀, 속도 및 비용 효율성이 중요 할 때 이상적입니다. 기술은 더 적은 자원으로 더 많은 것을 달성하는 데 도움이됩니다. 그것은 항상 운전자가 아니라 프로모터였습니다. 증기 엔진 시대부터 인터넷 버블 시대에 이르기까지 기술의 힘은 문제를 해결하는 데 도움이되는 정도입니다. 인공 지능 (AI) 및보다 최근에 생성 AI가 예외는 아닙니다.

컴퓨터 비전을위한 Google Gemini의 힘을 활용 : 포괄적 인 가이드 주요 AI 챗봇 인 Google Gemini는 강력한 컴퓨터 비전 기능을 포괄하기 위해 대화를 넘어서 기능을 확장합니다. 이 안내서는 사용 방법에 대해 자세히 설명합니다

2025 년의 AI 환경은 Google의 Gemini 2.0 Flash와 Openai의 O4-Mini가 도착하면서 전기가 전환됩니다. 이 최첨단 모델은 몇 주 간격으로 발사되어 비슷한 고급 기능과 인상적인 벤치 마크 점수를 자랑합니다. 이 심층적 인 비교


핫 AI 도구

Undresser.AI Undress
사실적인 누드 사진을 만들기 위한 AI 기반 앱

AI Clothes Remover
사진에서 옷을 제거하는 온라인 AI 도구입니다.

Undress AI Tool
무료로 이미지를 벗다

Clothoff.io
AI 옷 제거제

Video Face Swap
완전히 무료인 AI 얼굴 교환 도구를 사용하여 모든 비디오의 얼굴을 쉽게 바꾸세요!

인기 기사

뜨거운 도구

스튜디오 13.0.1 보내기
강력한 PHP 통합 개발 환경

Atom Editor Mac 버전 다운로드
가장 인기 있는 오픈 소스 편집기

드림위버 CS6
시각적 웹 개발 도구

WebStorm Mac 버전
유용한 JavaScript 개발 도구

DVWA
DVWA(Damn Vulnerable Web App)는 매우 취약한 PHP/MySQL 웹 애플리케이션입니다. 주요 목표는 보안 전문가가 법적 환경에서 자신의 기술과 도구를 테스트하고, 웹 개발자가 웹 응용 프로그램 보안 프로세스를 더 잘 이해할 수 있도록 돕고, 교사/학생이 교실 환경 웹 응용 프로그램에서 가르치고 배울 수 있도록 돕는 것입니다. 보안. DVWA의 목표는 다양한 난이도의 간단하고 간단한 인터페이스를 통해 가장 일반적인 웹 취약점 중 일부를 연습하는 것입니다. 이 소프트웨어는
