6月17日消息，英特尔在本周一汇总了发表的15篇技术论文，这些论文描述了其芯片研究如何将计算转变为关注运行在系统核心、边缘和端点的数据。
英特尔将这种转变描述为从一个专注于硬件和程序的转变为一个更专注于数据和信息的转变。英特尔研究员、英特尔实验室电路技术研究主管维韦克德（Vivek De）表示，这种变化需要更高的能效和更强大的处理能力，更接近于像图像传感器那样产生数据的设备。
这项研究有望为机器人、增强现实、机器视觉和视频分析等各种应用提供更高效的计算技术。维韦克德说，在这些端点和数据移动的其他位置，通常需要克服带宽、内存和功率的限制。
其中一些研究最终可能直接应用于新芯片的生产，但英特尔没有透露任何时间表。一位发言人说：“随着时间的推移，我们的研究会影响我们选择将哪些能力融入未来产品中。”。这些论文的发表在英特尔博客上，并在2020年VLSI技术与电路研讨会上宣布。
在15篇技术论文中，11位英特尔研究人员展示了基于10纳米设计的FinFET（鳍场效应晶体管）CMOS（互补金属氧化物半导体）的全数字二进制神经网络（BNN）加速器芯片的使用。传统上，在一些功率受限的边缘设备中，BNN是模拟的，而不是数字的，但是模拟BNN在预测时的精度较低，并且在处理器变化和噪声方面不如数字加速器宽容。
在这篇研究论文中，英特尔表示，它能够以接近模拟内存的数字方式提供能效，同时也为高级处理提供更好的规模。它说，通过使用计算近内存（CNM）、内积计算和近阈值电压操作，它达到了每秒617万亿次操作（TOPS/watt）的能效。
作者写道：“数字BNN设计接近模拟内存技术的能源效率，同时也确保确定性、可扩展性和精确操作。CNM设计通过交错存储子阵列和乘法累加单元来提高能量效率。”
其他论文包括一篇用于人工智能、机器学习和深度学习应用的双倍本地内存带宽的论文，另一篇用于降低基于深度学习的视频流分析所需的功耗的论文。
在这两篇论文的后一篇中，描述了一种用于事件驱动的视觉数据处理的芯片如何与新算法一起使用，只处理基于运动的视觉输入。例如，一个监控摄像头和底层技术可以将焦点放在两个人在一个大型停车场行走上，该技术的目的是提供改进的图像精度，同时减轻边缘视觉分析的高计算和内存要求。
自新型冠状病毒肺炎疫情爆发以来，传感器专家网一直密切关注疫情进展，根据国家及地方政府的最新调控与安排，为更好的服务相关企业，在疫情期间，传感器专家网免费发布企业相关文章，免费成为传感器专家网认证作者，请点击认证，大家同心协力，抗击疫情，为早日打赢这场防控攻坚战贡献自己的一份力量。