国产新型模拟计算芯片问世，能效比显著提升
非负矩阵分解作为揭示高维数据潜在结构的关键方法，已在推荐系统、生物信息分析和图像处理等领域广泛应用。近日，北京大学人工智能学院孙仲研究员团队发布了一项突破性成果，他们开发出一款面向大规模数据处理的高效模拟计算芯片，显著提升了计算效率和能源利用率。这项研究的相关成果已被发表于国际权威期刊《自然·通讯》。
该芯片基于阻变存储器（RRAM）技术，实现了非负矩阵分解任务的模拟计算求解。研究团队创新性地设计了一款可重构、结构紧凑的广义逆电路，借助电导补偿机制，以最少的硬件资源完成核心计算步骤。通过将关键运算简化为单步完成，大幅优化了芯片的整体面积与功耗。
为了验证芯片的实际性能，研究团队搭建了实验验证平台，并在多个典型应用场景中进行了测试。在图像压缩任务中，芯片输出结果与全精度数字计算系统在图像质量上基本一致，同时存储空间需求减少了50%。在推荐系统测试中，该芯片的预测误差率与传统数字芯片相当。尤其在处理Netflix规模级别的推荐系统训练任务时，其计算速度提升了约12倍，能效比更是达到了数字芯片的228倍。
孙仲指出，该芯片在实时推荐系统、高清图像处理以及基因组数据分析等方面具有广泛的应用潜力，将为人工智能技术向更高效率、更低能耗的方向发展提供有力支撑。