国内研究团队发布新型模拟芯片，能效比跃升228倍
非负矩阵分解作为提取高维数据隐含结构的关键技术，已在推荐系统、生物信息学和图像处理等多个领域广泛应用。北京大学人工智能学院孙仲研究员团队围绕该技术展开深入研究，开发出一种全新的模拟计算芯片，为大规模数据处理提供了更加高效的技术路径。
与当前主流的数字芯片相比，该芯片在运算速度上提升了约12倍，能效比更是提升了超过228倍。相关研究成果近日发表在《自然·通讯》上，标志着我国在模拟计算硬件领域取得重要突破。
此次开发的芯片基于阻变存储器（RRAM）技术，构建了一个非负矩阵分解的模拟计算求解器。团队还创新性地设计了一种可重构、紧凑型的广义逆电路，通过电导补偿机制，利用更少的计算单元完成同样的运算任务。该设计显著优化了芯片在面积和功耗方面的表现，实现了对非负矩阵分解中关键运算步骤的一次性求解。
为评估芯片的实际性能，研究团队搭建了专门的测试平台，并在多个典型应用场景中进行了验证。在图像压缩任务中，与全精度数字计算机的处理结果相比，新芯片在图像精度损失上几乎没有差异，同时节省了50%的存储空间。在推荐系统测试中，预测误差率与数字芯片结果几乎一致。在处理网飞（Netflix）级别的推荐数据集时，该芯片的运算速度提升了12倍，能效比则提升了超过228倍。
孙仲指出，这项技术突破有望推动实时推荐系统、高清图像处理和基因数据解析等应用的演进，为人工智能在更高效、低功耗方向的发展提供有力支撑。