現(xiàn)在生成式人工智能已經(jīng)引爆新的智能革命發(fā)展的浪潮，計(jì)算能力支撐下的人工智能技術(shù)是人類的生產(chǎn)和生活方式改變著隨之而來(lái)的需求大量的計(jì)算能力，龐大的計(jì)算能力不足問(wèn)題如何解決，實(shí)現(xiàn)能源效率大幅提升，變得越來(lái)越迫切。

最近，清華大學(xué)教授吳華強(qiáng)和副教授高斌基于一體化存儲(chǔ)計(jì)算范例，在存儲(chǔ)存儲(chǔ)一體化芯片領(lǐng)域取得重大突破。《科學(xué)》（science）以《edge learning using a fully integrated neuro-inspired memristor chip》為題，在權(quán)威學(xué)術(shù)雜志《科學(xué)》（Science）上在線發(fā)表。

據(jù)介紹，記憶電阻器是繼電阻、電容器、感應(yīng)之后的第四電路的基本部件。即使斷電也能記錄通過(guò)的電荷，因此被稱為新的納米電子突觸零件。

憶阻器存算一體技術(shù)從底層器件，配件、電路結(jié)構(gòu)計(jì)算和理論全面計(jì)算，傳統(tǒng)計(jì)算架構(gòu)，馮諾伊曼是計(jì)算能力和提高能源效率的跨越式技術(shù)還能夠?qū)崿F(xiàn)終端設(shè)備可以利用的學(xué)習(xí)特點(diǎn)，支持實(shí)時(shí)片上學(xué)習(xí)，陪可以以地區(qū)為基礎(chǔ)的學(xué)習(xí)訓(xùn)練的邊緣新場(chǎng)景。

然而實(shí)現(xiàn)全系統(tǒng)集成的、支持高效片上學(xué)習(xí)的憶阻器芯片仍面臨較大挑戰(zhàn)，至今還未實(shí)現(xiàn)的原因主要是傳統(tǒng)的逆轉(zhuǎn)宋訓(xùn)練算法所要求的高精權(quán)重更新方式和在利斯特的實(shí)際特性之間的兼容性比較不好的緣故。

為解決上述挑戰(zhàn)，該研究團(tuán)隊(duì)基于存算一體計(jì)算范式，創(chuàng)造性提出適配憶阻器存算一體實(shí)現(xiàn)高效片上學(xué)習(xí)的新型通用算法和架構(gòu)（STELLAR），大規(guī)模堵排列和模擬型憶的有效實(shí)現(xiàn)cmos外知道三維集成、算法、結(jié)構(gòu)通過(guò)整合方式的全過(guò)程協(xié)同創(chuàng)新，世界上最早研制出全系統(tǒng)集成，支持高效芯片學(xué)習(xí)的內(nèi)存集成芯片。

這個(gè)芯片是學(xué)習(xí)芯片所需的所有電路模塊，圖像分類，包括語(yǔ)音識(shí)別和控制等多種任務(wù)的芯片增量學(xué)習(xí)功能的驗(yàn)證，成功地完成了工作，高適應(yīng)性、高能源效率高的普遍性，展現(xiàn)出較高的準(zhǔn)確度等特點(diǎn)。

同時(shí)，芯片具有能效的優(yōu)點(diǎn)，在相同的作業(yè)中，芯片僅達(dá)到尖端技術(shù)專用集成電路（asic）系統(tǒng)能耗的3%，能效的瓶頸現(xiàn)象為馮·諾依曼傳統(tǒng)計(jì)算架構(gòu)提供了突破的新途徑