新型国产模拟计算芯片发布，能效比实现突破性提升
北京大学人工智能学院孙仲研究员团队近日发布了一项关于非负矩阵分解技术的创新成果。这项技术作为挖掘高维数据潜在结构的核心方法，已被广泛应用于推荐系统、生物信息学以及图像处理等关键领域。研究团队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高效的解决方案。与当前先进的数字芯片相比，新芯片在计算速度上提高了大约12倍，能效比则提升了超过228倍。相关成果已发表于《自然·通讯》。
此次研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。研究团队还创新性地设计了一款可重构、紧凑型的广义逆电路，通过电导补偿原理，以最少的计算单元完成相同功能。这种设计对非负矩阵分解过程中最关键的计算步骤进行了优化，实现了单步求解。该改进显著提升了芯片的能效表现和面积利用率，为模拟计算芯片的发展提供了新思路。
为了全面评估芯片的性能，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，测试结果显示，与全精度数字计算机处理结果相比，图像的精度损失几乎可以忽略不计，同时存储空间节省了一半。在推荐系统中的应用测试也表明，该芯片的预测误差率与传统数字芯片相当。特别是在处理网飞（Netflix）规模数据集时，该芯片的计算速度比现有数字芯片提高了12倍，能效比则提升了228倍以上，展现出显著的性能优势。
孙仲指出，这项研究有望推动实时推荐系统、高清图像处理和基因数据分析等领域的技术进步，为人工智能应用向更高效、更节能的方向发展提供有力支撑。