據MIT News報道，麻省理工學院（MIT）的研究人員開發出了一種可用于神經網絡計算的高性能芯片，該芯片的處理速度可達其他處理器的7倍之多，而所需的功耗卻比其他芯片少94-95%，未來這種芯片將有可能被使用在運行神經網絡的移動設備或是物聯網設備上。
MIT電子工程與計算科學研究生阿維謝克·碧斯沃斯（Avishek Biswas）是這個項目開發的領導者，他表示：“總體來說一般的處理器的運行模式是這樣的，在芯片的一些部分里安放了內存，在進行計算的時候，它會在這些內存中來回移動數據。由于機器學習算法需要大量的算力，因此在來回移動數據的時候會消耗大量的能源。但是其實這些算法所做的計算可以被簡化成一個種具體的操作，這種操作被稱為點積（dot product）。我們的想法是，我們是否可以將這個點積功能部署在內存中，從而無需在不斷的移動這些數據？”
這個芯片會將結點的輸入值轉化為電壓，然后在進行儲存和進一步處理的時候，再將其轉換為數字形式。這種做法讓這塊芯片能夠在一個步驟中同時對16個結點的點積進行計算，而且無需在內存和處理器之間移動數據。MIT News認為這種處理方法更加接近于人類大腦的工作方式。
碧斯沃斯將會在一篇論文中詳細闡述這塊芯片的工作方式，這篇論文將會在國際固態電路大會期間發表，和他一起撰寫論文的還有他的論文指導老師，MIT工程學院院長阿南莎·錢德拉卡珊（Anantha Chandrakasan）以及MIT電子工程與計算機科學教授范內瓦·布什（Vannevar Bush）。
去年12月，SensibleVision公司CEO喬治·布羅斯托夫（George Brostoff）在曾經在《生物學更新（Biometric Update）》發表了一篇客座文章，證明了定制化處理器有可能會給移動設備的安全識別功能帶來巨大的變革。那以后，FWDNXT也宣布他們將會開發使用深度神經網絡進行圖像識別與歸類的低功耗處理器，此外ARM也宣布將會開發用于機器學習和物體識別的芯片。
聲明：本文內容及配圖由入駐作者撰寫或者入駐合作網站授權轉載。文章觀點僅代表作者本人，不代表電子發燒友網立場。文章及其配圖僅供工程師學習之用，如有內容侵權或者其他違規問題，請聯系本站處理。
舉報投訴
原文標題：淘汰CPU！新神經芯片速度增6倍 功耗少94%
文章出處：【微信號：MooreNEWS，微信公眾號：摩爾芯聞】歡迎添加關注！文章轉載請注明出處。
相關推薦
在深度學習領域，神經網絡模型被廣泛應用于各種任務，如圖像識別、自然語言處理和游戲智能等。其中，卷積神經網絡（CNNs）和傳統神經網絡是兩種常見的模型。 1. 結構差異 1.1 傳統神經網絡
![的頭像]()
發表于 11-15 14:53
?511次閱讀
BP神經網絡（Backpropagation Neural Network）和卷積神經網絡（Convolutional Neural Network，簡稱CNN）是兩種在人工智能和機器學習領域
![的頭像]()
發表于 07-10 15:24
?1586次閱讀
BP神經網絡和人工神經網絡（Artificial Neural Networks，簡稱ANNs）之間的關系與區別，是神經網絡領域中一個基礎且重要的話題。本文將從定義、結構、算法、應用及未來發展等多個方面，詳細闡述BP
![的頭像]()
發表于 07-10 15:20
?1122次閱讀
RNN（Recurrent Neural Network）是循環神經網絡，而非遞歸神經網絡。循環神經網絡是一種具有時間序列特性的神經網絡，能夠處理序列數據，具有記憶功能。以下是關于循環
![的頭像]()
發表于 07-05 09:52
?587次閱讀
遞歸神經網絡（Recurrent Neural Network，簡稱RNN）和循環神經網絡（Recurrent Neural Network，簡稱RNN）實際上是同一個概念，只是不同的翻譯方式
![的頭像]()
發表于 07-04 14:54
?794次閱讀
循環神經網絡（Recurrent Neural Network，RNN）和卷積神經網絡（Convolutional Neural Network，CNN）是深度學習領域中兩種非常重要的神經網絡
![的頭像]()
發表于 07-04 14:24
?1328次閱讀
在探討深度神經網絡（Deep Neural Networks, DNNs）與基本神經網絡（通常指傳統神經網絡或前向神經網絡）的區別時，我們需要從多個維度進行深入分析。這些維度包括
![的頭像]()
發表于 07-04 13:20
?917次閱讀
人工智能神經網絡芯片是一類專門為深度學習和神經網絡算法設計的處理器。它們具有高性能、低功耗、可擴展等特點，廣泛應用于圖像識別、語音識別、自然語言處理等領域。以下是關于人工智能
![的頭像]()
發表于 07-04 09:33
?795次閱讀
引言 隨著人工智能技術的快速發展，深度學習算法在圖像識別、自然語言處理、語音識別等領域取得了顯著的成果。然而，深度學習算法對計算資源的需求非常高，傳統的計算芯片已經無法滿足其需求。因此，神經網絡芯片
![的頭像]()
發表于 07-04 09:31
?983次閱讀
神經網絡芯片和普通芯片的區別是一個復雜而深入的話題，涉及到計算機科學、電子工程、人工智能等多個領域。 定義 神經網絡芯片（Neural Ne
![的頭像]()
發表于 07-04 09:30
?1209次閱讀
反向傳播神經網絡（Backpropagation Neural Network，簡稱BP神經網絡）是一種多層前饋神經網絡，它通過反向傳播算法來調整網絡中的權重和偏置，以達到最小化誤差的
![的頭像]()
發表于 07-03 11:00
?819次閱讀
BP神經網絡（Backpropagation Neural Network）是一種常見的前饋神經網絡，它使用反向傳播算法來訓練網絡。雖然BP神經網絡在某些方面與深度
![的頭像]()
發表于 07-03 10:14
?864次閱讀
BP神經網絡（Backpropagation Neural Network）和卷積神經網絡（Convolutional Neural Network，簡稱CNN）是兩種不同類型的人工神經網絡，它們在
![的頭像]()
發表于 07-03 10:12
?1216次閱讀
卷積神經網絡（Convolutional Neural Networks，簡稱CNN）和BP神經網絡（Backpropagation Neural Networks，簡稱BPNN）是兩種
![的頭像]()
發表于 07-02 14:24
?4214次閱讀
2023年3月27日，據傳，新型文生圖算法雖然使得圖像生成無比逼真，但奈何運行速度較慢。近期，美國麻省理工學院聯合Adobe推出新型DMD方法，僅略微犧牲圖像質量就大幅度提高圖像生成效率。
![的頭像]()
發表于 03-27 14:17
?527次閱讀
麻省理工新神經網絡芯片速度增6倍 功耗少94%
工商網監
評論