国产模拟计算芯片问世，能效比实现跨越式提升
北京大学人工智能学院孙仲研究员团队近日在模拟计算芯片领域取得突破，研发出一款基于阻变存储器（RRAM）的非负矩阵分解计算芯片。该芯片针对大规模数据处理中关键的非负矩阵分解（NMF）任务进行了深度优化，相比当前主流的数字芯片，其计算速度提升了约12倍，能效比更是实现了228倍以上的飞跃。相关研究成果已发表于国际权威期刊《自然·通讯》。
该芯片通过创新性设计，构建了一个紧凑型的广义逆电路架构，利用电导补偿原理，在减少计算单元数量的前提下，完成了与传统方法相同的功能。特别是在非负矩阵分解过程中，该芯片将原本需多步骤完成的计算浓缩为一步求解，大幅提升了运算效率，并有效降低了芯片面积和能耗。
研究团队搭建了多个测试平台，对芯片在不同应用场景下的性能进行评估。在图像压缩任务中，该芯片输出结果与在全精度数字计算机上运行的图像质量几乎一致，但存储空间需求减少一半。在推荐系统测试中，预测误差率与数字芯片相当，而在基于Netflix数据集的训练任务中，芯片计算速度较当前先进数字芯片提升近12倍，能效比则提升了228倍以上。
这项技术突破有望在多个领域带来变革。尤其是在实时推荐系统、高清图像处理以及基因组数据分析等对计算效率和功耗要求极高的场景中，该芯片的部署将显著提升系统性能与运行效率，为人工智能应用的进一步发展提供坚实基础。