国产新型计算芯片发布：能效比突破228倍提升
非负矩阵分解作为挖掘高维数据潜在结构的关键方法，已在推荐系统、图像处理和生物信息学等领域得到广泛应用。北京大学人工智能学院孙仲研究员团队近期针对该技术开发了一款模拟计算芯片，为大规模数据处理提供了全新的高效解决方案。相较当前主流的数字芯片，该芯片的运算速度提升了约12倍，能效比则提高了超过228倍。相关成果已发表于国际权威期刊《自然·通讯》。
研究团队设计了一种基于阻变存储器（RRAM）的非负矩阵分解模拟计算求解器，并首次提出了一种可重构紧凑型广义逆电路结构。通过电导补偿机制，团队在保证运算精度的同时，大幅减少了所需的计算单元数量，从而显著优化了芯片的能效与面积表现。该方案特别针对非负矩阵分解过程中的核心计算步骤进行了算法级优化，实现了单步求解。
为了验证芯片的实际性能，研究团队搭建了完整的测试平台，并在多个典型应用场景中进行了评估。在图像压缩任务中，该芯片处理后的图像质量与全精度数字计算结果几乎无差别，同时存储空间需求降低约一半。在推荐系统测试中，预测误差率也与数字芯片的输出高度一致。尤其在处理Netflix级别的大规模数据集时，该芯片的计算速度提升了约12倍，能效比则提升了超过228倍。
孙仲指出，该成果有望在实时推荐系统、高清图像处理、基因测序数据解析等关键领域带来技术突破，推动人工智能应用向更高效率、更低功耗的方向演进。