Core Stuff（公众号：aichip001）
作者 |一涵
编辑 |潘肯
新禧网3月30日讯，美国南加州大学、马萨诸塞大学、麻省理工学院等高校的多名华人学者研发出基于忆阻器的新型AI芯片。通过设计忆阻器“降噪”的方法，实现了更高的电导率水平。这一研究进展将有助于提高边缘设备上AI计算的计算能力和能源效率。
该团队在 CMOS 电路上单片集成了商业代工厂生产的 256 × 256 忆阻器阵列，在完全集成的芯片中实现了 2048 个可区分的电导水平，这高于之前研究的电导水平。水平要高一个数量级。
相关论文于3月29日发表在国际顶级学术期刊《Nature》上，论文标题为《集成在CMOS上的忆阻器有数千个电导等级》（Thousands ofconductance levels in memristorsintegrated on CMOS）。
展开全文
论文链接：
1。将硅和金属氧化物结合起来制作芯片，低能耗可以支持强大的功能
他们在《自然》杂志上发表的新论文侧重于理解导致人工智能硬件内存容量需求急剧增加的基础物理学。杨建华教授领导的团队与南加州大学（包括王瀚团队）、麻省理工学院和马萨诸塞大学的研究人员一起开发了一种设备“噪音”降低的协议，并证明了在集成芯片中的实用性使用此协议。
该演示是在 TetraMem 进行的。 TetraMem 是由杨建华教授及其合著者（胡淼、夏强飞、葛伦）共同创立的一家致力于人工智能加速技术商业化的初创公司。
▲ 使用C-AFM直接观察去噪过程中传导通道的演化（来源：Nature）
在过去 30 年左右的时间里，虽然人工智能和数据科学应用所需的神经网络规模每 3.5 个月翻一番，但处理它们所需的硬件能力仅每 3.5 年翻一番。各国政府、工业界和学术界正在努力应对这一全球硬件挑战。一些人继续致力于使用硅芯片的硬件解决方案，而另一些人则正在尝试新材料和设备。
杨建华教授的工作属于中级阶段，重点是开发并结合新材料和传统硅技术的优势，以支持重型人工智能和数据科学计算。杨教授和他的同事正在制造将硅与金属氧化物忆阻器相结合的芯片，以创造出功能强大但能耗极低的芯片。该技术的重点是使用原子的位置来表示信息，而不是电子的数量（这是当今芯片计算所涉及的技术）。原子的位置提供了一种紧凑而稳定的方式来存储更多的模拟信息而不是数字信息。
▲ 用于神经拟态计算的高精度存储器（来源：Nature）
此外，信息可以在存储的地方进行处理，而不是发送到少数专门的“处理器”之一，这消除了当前计算系统中存在的所谓“Von Noy”问题。杨建华教授表示，这样，AI计算“更节能，吞吐量更高。”
据杨建华教授介绍，这种新型存储芯片是目前已知的各类存储技术中单器件信息密度最高的（11位）。这种体积虽小但功能强大的设备可以在支持端侧设备的性能方面发挥关键作用。这些芯片不仅用于存储器，还用于处理器。数以百万计的新型存储芯片在一个小芯片中并行工作，可以快速运行人工智能任务，只需要一块小电池为其供电。
2。该芯片依赖于原子存储内存，小型设备也可以运行 ChatGPT
传统芯片中操纵的电子是“轻”的，这种轻使得它们容易移动并使其不稳定。杨建华教授和作者教授并不是通过电子来存储记忆，而是以完整的原子来存储记忆，所以这种记忆很重要。
杨建华教授表示，当电脑关闭时，宝贵的信息内存就会消失，这是非常浪费时间和精力的。
这种新的信息存储方法侧重于激活原子而不是电子，并且不需要电池电源来维持存储的信息。类似的情况也发生在人工智能计算中，其中具有高信息密度的稳定存储器至关重要。杨建华教授设想这项新技术能够在谷歌眼镜等边缘设备中实现强大的人工智能功能，他说谷歌眼镜以前经常遇到充电问题。
▲ 不完整传导通道中俘获电荷引起的电导变化（来源：Nature）
这种将芯片转换为依赖原子而不是电子的方法使芯片变得更小。杨建华教授补充说，通过这种新方法，可以在更小的规模上获得更多的计算能力。他说，这种方法可以提供“更多层的内存，以帮助提高信息密度”。
ChatGPT 现在在云端运行。新的创新加上一些进一步的发展，可以将迷你版 ChatGPT 的功能带到每个人的个人设备上。它可以使这种高功率技术在各种应用中更加经济实惠和可用。
结论：突破硬件瓶颈，全新芯片设计提供最高硬件内存
南加州大学电气与计算机工程教授杨建华和作者开发了一种基于忆阻器的新型人工智能存储芯片，用于边缘人工智能。该芯片可以通过原子存储内存的新方式在人工智能计算中实现更高的吞吐量和更高的能源效率。
这款新型存储芯片在目前已知的各类存储技术中具有最高的单设备信息密度（11位），让体积小但功能强大的设备在提供端侧设备性能支持方面发挥关键作用。
来源：南加州大学维特比工程学院，Nature
