该系统在降低功耗的同时实现了近四倍的速度提升。
![]()
中国研究人员创造了一种新型计算架构,将处理性能提升近四倍,为具身智能、边缘感知、类脑计算及通信系统等领域开辟了新机遇。来自北京大学的研究团队将两种新型器件融合,通过频率转换匹配构建出多物理域架构,最终形成能执行傅里叶变换等复杂运算的通用系统。
这项突破的核心是傅里叶变换——这种将声音、图像等复杂信号转换为频域表示的基础技术,被广泛应用于科学与工程领域。北京大学人工智能研究院研究员陶耀宇表示:"该架构使不同计算范式能在电流、电荷或光等最优物理域中运行,从而提升计算效率。"
陶耀宇指出,该集成系统融合了两种器件在频率生成、调制和存内计算方面的优势,在保持精度的同时降低了功耗,将傅里叶变换处理速度从约每秒1300亿次操作提升至约5000亿次,实现数倍增长。这种新计算架构有望提升未来硬件的能效,并加速其在基础人工智能模型、具身智能、自动驾驶、脑机接口及通信系统等领域的应用。
此项研究建立在日益增长的计算架构创新基础上。近年来,科学家们积极探索神经形态、光子和模拟计算架构,以加速傅里叶变换和卷积变换等核心运算并降低能耗。类似实验表明,针对特定数学函数优化的硬件可比传统处理器实现显著速度提升。北大团队通过将多物理计算域集成至单一系统,反映了为更高效支持下一代人工智能和机器人技术而设计的架构发展趋势。
随着传统计算架构难以满足人工智能工作负载日益增长的需求,这项突破性研究应运而生。新架构通过让不同计算在其最高效的物理域中运行,为突破传统芯片设计指明方向,在提升人工智能系统性能的同时有望缓解能源瓶颈。
该研究与国际上神经形态计算、光计算及存内计算等替代计算方案的发展趋势同频共振。既往研究表明,针对傅里叶变换等特定数学运算定制的硬件,其性能可显著超越通用处理器。北大团队展示的多物理域方法进一步推动了这一趋势,突显了专用架构在人工智能硬件未来发展中的关键作用。
这项突破性实验及其成果已发表于《自然·电子学》期刊。
如果朋友们喜欢,敬请关注“知新了了”!
特别声明:以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布,本平台仅提供信息存储服务。
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.