東京大學(xué)工業(yè)科學(xué)研究所的研究人員設計并建造了專(zhuān)門(mén)的計算機硬件，該計算機硬件由成堆的存儲模塊組成，這些存儲模塊以3-D螺旋形排列以用于人工智能(AI)應用。這項研究可能為下一代節能AI設備開(kāi)辟道路。

機器學(xué)習是一種AI，通過(guò)這種AI對計算機進(jìn)行樣本數據訓練，以預測新實(shí)例。例如，像Alexa這樣的智能揚聲器算法可以學(xué)習理解您的語(yǔ)音命令，因此即使您是第一次請求，它也可以理解您。但是，人工智能往往需要大量的電能來(lái)訓練，這引發(fā)了人們對增加氣候變化的擔憂(yōu)。

現在，東京大學(xué)工業(yè)科學(xué)研究所的科學(xué)家們開(kāi)發(fā)出了一種新穎的設計，用于將電阻式隨機存取存儲模塊與氧化物半導體(IGZO)存取晶體管堆疊成三維螺旋。將片上非易失性存儲器放置在靠近處理器的位置，可以使機器學(xué)習訓練過(guò)程更快，更節能。這是因為與常規計算機硬件相比，電信號的傳播距離要短得多。堆疊多層電路是很自然的步驟，因為訓練算法通常需要許多操作同時(shí)并行進(jìn)行。

“對于這些應用，每一層的輸出通常連接到下一層的輸入。我們的體系結構極大地減少了互連布線(xiàn)的需求，”第一作者吳繼宣說(shuō)。

通過(guò)實(shí)施二值化神經(jīng)網(wǎng)絡(luò )系統，該團隊能夠使設備更加節能。不允許參數為任何數字，而是將其限制為+1或-1。這既大大簡(jiǎn)化了使用的硬件，又壓縮了必須存儲的數據量。他們使用AI中的一項常見(jiàn)任務(wù)對設備進(jìn)行了測試，解釋了手寫(xiě)數字數據庫?？茖W(xué)家表明，增加每個(gè)電路層的大小可以提高算法的準確性，最大可達到90%左右。

高級作者M(jìn)asaharu Kobayashi解釋說(shuō)：“為了在A(yíng)I越來(lái)越融入日常生活中時(shí)保持較低的能耗，我們需要更專(zhuān)業(yè)的硬件來(lái)有效地處理這些任務(wù)。”

這項工作是邁向“物聯(lián)網(wǎng)”的重要一步，在該過(guò)程中，許多小型的具有AI功能的設備作為集成的“智能家居”的一部分進(jìn)行通信。

這項研究已在2020年VLSI技術(shù)研討會(huì )上發(fā)表。