国产模拟计算芯片问世，能效比提升超228倍
非负矩阵分解（NMF）作为提取高维数据内在结构的关键算法，被广泛应用于推荐系统、生物信息学和图像处理等多个领域。北京大学人工智能学院孙仲研究员团队聚焦该领域，研发出一款基于模拟计算架构的新型芯片，为大规模数据处理提供了一种高效解决方案。与当前先进的数字芯片相比，该芯片不仅将计算速度提升约12倍，更在能效比上实现了超228倍的飞跃。相关成果近日发表于《自然·通讯》。
该团队开发的芯片以阻变存储器（RRAM）为核心组件，构建了一个非负矩阵分解的模拟计算求解器。其中，一项关键创新是引入了可重构紧凑型广义逆电路，通过电导补偿机制，用最小数量的计算单元完成相同的运算功能。这种设计显著优化了非负矩阵分解过程中的核心计算步骤，实现了单步求解，从而大幅提升了芯片的能效与集成度。
为了验证该芯片的性能，研究团队搭建了实验平台，并在多个典型应用场景中进行了测试。在图像压缩任务中，与全精度数字计算机的处理结果相比，图像质量损失几乎可以忽略，同时存储空间节省了约50%。在推荐系统应用中，预测误差率与数字芯片的计算结果高度一致。特别是在处理网飞（Netflix）级规模数据集时，芯片在计算速度上较先进数字芯片提升了12倍，能效比则提升了超过228倍。
孙仲指出，这项研究成果有望在实时推荐系统、高清图像处理和基因数据分析等领域带来技术突破，为人工智能应用朝向更高效率、更低功耗的发展路径提供有力支撑。