近日，北京大学人工智能研究院孙仲研究员团队联合 集成电路 学院研究团队，成功研制出基于阻变存储器的高精度、可扩展模拟矩阵计算芯片，首次实现了在精度上可与数字计算媲美的模拟计算系统。
该 芯片 在求解大规模MIMO信号检测等关键科学问题时，计算吞吐量与能效较当前顶级数字处理器（GPU）提升百倍至千倍。相关论文于10月13日刊发于《自然·电子学》期刊。
对于大多数习惯了数字计算机（0和1）的公众而言，“模拟计算”是一个既古老又新奇的概念，什么是模拟计算呢？
孙仲首先用生动的比喻对其进行解释：“现在的所有芯片都是数字计算，数据都需要先转换成0和1的符号串。比如数字‘十’，需要转译成‘1’和‘0’，计为‘1010’。”如果用二进制来表示“1+1=2”，则应该记作“1+1=10”。
孙仲说，“而模拟计算则无需这层‘转译’，它是一种‘类比计算’（analogue computing），可以直接用连续的物理量（如电压、电流）来类比数学上的数字。比如，数学上的‘十’，可以直接用十伏或十毫伏的电压来表示。”
模拟计算机在计算机发展早期（上世纪30-60年代）曾被广泛应用，但随着计算任务日益复杂，其精度瓶颈凸显，逐渐被数字计算取代。孙仲指出，此次研究的核心正是要解决模拟计算“算不准”这一痛点。
课题组合影
当前的市面上的主流CPU和GPU都是数字芯片，并都采用冯诺依曼结构，将计算和存储功能分开，通过01数字流的编译+计算+解码实现信息计算和传输。
基于阻变存储器的模拟计算的优势之一在于取消了“将数据转化为二进制数字流”这一过程，同时不必进行“过程性数据存储”，进而将数据计算过程与数据存储合而为一，实现算力解放。
孙仲指出，与其他“存算一体”方案对比，国内外许多团队集中于研究矩阵乘法（AI推理的核心），而他的团队特色在于专注于更具挑战性的矩阵方程求解（AI二阶训练的核心）。矩阵求逆操作要求的计算精度极高，时间复杂度达到了立方级。而模拟计算凭借物理规律直接运算的方式，具有低功耗、低延迟、高能效、高并行的天然优势，只要能够不断降低计算误差，不断提升计算精度，将为传统GPU的算力解放带来爆炸性突破。
高精度全模拟矩阵计算求解矩阵方程
在计算精度方面，团队在实验上成功实现16×16矩阵的24比特定点数精度求逆，矩阵方程求解经过10次迭代后，相对误差可低至10⁻⁷量级。在计算性能方面，在求解32×32矩阵求逆问题时，其算力已超越高端GPU的单核性能；当问题规模扩大至128×128时，计算吞吐量更达到顶级数字处理器的1000倍以上，传统GPU干一天的活，这款芯片一分钟就能搞定。
孙仲
关于应用前景，孙仲认为，模拟计算在未来AI领域的定位是强大的补充，最有可能快速落地的场景是计算智能领域，如机器人和人工智能模型的训练。
谈及与现有计算架构的关系，孙仲强调未来将是互补共存：“CPU作为通用‘总指挥’因其成熟与经济性而难以被淘汰。GPU则专注于加速矩阵乘法计算。我们的模拟计算芯片，旨在更高效地处理AI等领域最耗能的矩阵逆运算，是对现有算力体系的有力补充。”
还没有评论，来说两句吧...