![]()
新智元報道
![]()
【新智元導(dǎo)讀】近日,新基石研究員、北京大學(xué)集成電路學(xué)院教授、深圳研究生院信息工程學(xué)院院長楊玉超團隊,聯(lián)合中國科學(xué)院上海微系統(tǒng)與信息技術(shù)研究所宋志棠研究員團隊等,在國際頂級學(xué)術(shù)期刊《科學(xué)》發(fā)表最新成果,在新型神經(jīng)動力學(xué)計算芯片領(lǐng)域取得重大突破。
神經(jīng)動力學(xué)系統(tǒng)將神經(jīng)網(wǎng)絡(luò)的表達能力與微分方程的連續(xù)演化機制相結(jié)合,在物理世界建模、計算成像等領(lǐng)域具有廣泛用途。
自神經(jīng)動力學(xué)系統(tǒng)誕生半個世紀以來,如何在保持高精度連續(xù)建模能力的同時實現(xiàn)低延遲實時計算,始終是制約該類系統(tǒng)走向?qū)嶋H應(yīng)用的核心瓶頸。
針對這一問題,北京大學(xué)團隊提出了基于相變型憶阻器的「可控存內(nèi)計算」新范式,通過調(diào)控相變存儲器電導(dǎo)漂移與多級電導(dǎo)特性,構(gòu)建出精準可控的原位存內(nèi)計算機制,系統(tǒng)性地融合器件物理特性與神經(jīng)動力學(xué)算法,實現(xiàn)了自適應(yīng)積分步長的原位搜索以及多級電導(dǎo)的存內(nèi)乘累加計算芯片設(shè)計。
![]()
論文鏈接:https://doi.org/10.1126/science.aee6277
該方案顯著減少了傳統(tǒng)數(shù)字硬件中頻繁的讀寫、乘法運算、緩存訪問與數(shù)據(jù)搬運等高開銷操作,兼具高精度與實時性,為后摩爾時代計算芯片提供了一種全新范式。
研究團隊成功研制出全球首個基于相變憶阻器的毫秒級神經(jīng)動力學(xué)系統(tǒng)芯片,突破了相變型憶阻器長期面臨的「可控存內(nèi)計算」國際難題,首次將神經(jīng)動力學(xué)系統(tǒng)的單步運算時延壓縮至2.12毫秒。
相關(guān)實驗結(jié)果表明,在執(zhí)行相同神經(jīng)動力學(xué)運算時,該系統(tǒng)較當(dāng)前最先進的專用加速器(ASIC)實現(xiàn)3.82~36.27倍速度提升以及11.75~24.73倍功耗降低;在腦皮層表面重建等高保真腦建模任務(wù)中,較NVIDIA A100 GPU提速達50.38~478.18倍。
這一成果標志著在神經(jīng)動力學(xué)系統(tǒng)實時計算方面取得關(guān)鍵突破,它不僅將原本需要離線運行的復(fù)雜建模方法推向毫秒級實時在線操作,也為下一代腦機接口、腦數(shù)字孿生、神經(jīng)導(dǎo)航和神經(jīng)退行性疾病智能診療提供了全新的硬件底座。
![]()
圖1 基于相變型憶阻器的毫秒級神經(jīng)動力學(xué)系統(tǒng)
基于相變器件兩種電導(dǎo)可控特性,采用40納米工藝制造神經(jīng)動力學(xué)芯片,存內(nèi)計算與步長漂移陣列總面積僅0.28平方毫米,并配備編程脈沖生成電路、模數(shù)轉(zhuǎn)換器等外圍電路。芯片運行頻率為50 MHz,單步積分僅需9級流水,最終實現(xiàn)2.12毫秒的神經(jīng)動力學(xué)單次迭代計算時延,首次將神經(jīng)動力學(xué)硬件系統(tǒng)運行時間推進到毫秒級時代。
![]()
圖2 基于相變型憶阻器的神經(jīng)動力學(xué)芯片性能
值得注意的是,研究團隊將該芯片用于大腦白質(zhì)與腦灰質(zhì)皮層表面的實時重建以及三維流形網(wǎng)格生成。
結(jié)果表明,該系統(tǒng)能夠生成平滑、閉合、拓撲一致的腦皮層表面,準確刻畫復(fù)雜皮層褶皺結(jié)構(gòu),并有效抑制傳統(tǒng)神經(jīng)網(wǎng)絡(luò)方法中常見的自相交(Self Intersection)和非流形偽影。
重建結(jié)果在對稱表面平均距離(Average Symmetric Surface Distance)和豪斯多夫距離(Hausdorff Distance)等指標上均顯示出優(yōu)勢,滿足高保真腦結(jié)構(gòu)建模要求。
![]()
圖3 實時大腦皮層表面重建以及三維流形網(wǎng)格生成
這一突破對于腦機接口具有重要啟示。未來腦機接口不僅需要讀取神經(jīng)信號,更需要實時理解大腦狀態(tài)、預(yù)測神經(jīng)動力學(xué)演化,并根據(jù)反饋進行閉環(huán)調(diào)控。
高保真腦建模能夠以毫秒級速度運行,有望為腦機接口提供個體化、動態(tài)化、可解釋的腦狀態(tài)模型,使腦機系統(tǒng)從簡單信號識別走向?qū)崟r腦狀態(tài)建模與智能交互。
論文的共同通訊作者北京大學(xué)朱毅鑫研究員,北京大學(xué)陶耀宇副研究員,第一作者北京大學(xué)博士后蔡磊(現(xiàn)任職于北京化工大學(xué)講師),中國科學(xué)院上海微系統(tǒng)與信息技術(shù)研究所解晨晨研究員,北京大學(xué)博士后閆龍皞。
《科學(xué)》雜志同期針對該工作發(fā)表專題觀點評述文章(Perspective),高度評價該工作「代表了一種物理驅(qū)動計算的理念轉(zhuǎn)變」。
相關(guān)工作入選「面向2030北京大學(xué)重大培育項目」。該研究得到新基石研究員項目、國家重點研發(fā)計劃、國家自然科學(xué)基金、廣東省存算一體芯片重點實驗室、深圳市重點產(chǎn)業(yè)研發(fā)計劃等支持。
參考資料:
https://doi.org/10.1126/science.aee6277
編輯:LRST
![]()
![]()
特別聲明:以上內(nèi)容(如有圖片或視頻亦包括在內(nèi))為自媒體平臺“網(wǎng)易號”用戶上傳并發(fā)布,本平臺僅提供信息存儲服務(wù)。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.