東京大學(xué)工業(yè)科學(xué)研究所的研究人員設(shè)計(jì)并建造了專門的計(jì)算機(jī)硬件，該計(jì)算機(jī)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(yīng)用。這項(xiàng)研究可能為下一代節(jié)能AI設(shè)備開辟道路。

機(jī)器學(xué)習(xí)是一種AI，通過這種AI對計(jì)算機(jī)進(jìn)行樣本數(shù)據(jù)訓(xùn)練，以預(yù)測新實(shí)例。例如，像Alexa這樣的智能揚(yáng)聲器算法可以學(xué)習(xí)理解您的語音命令，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訓(xùn)練，這引發(fā)了人們對增加氣候變化的擔(dān)憂。

現(xiàn)在，東京大學(xué)工業(yè)科學(xué)研究所的科學(xué)家們開發(fā)出了一種新穎的設(shè)計(jì)，用于將電阻式隨機(jī)存取存儲模塊與氧化物半導(dǎo)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(jī)器學(xué)習(xí)訓(xùn)練過程更快，更節(jié)能。這是因?yàn)榕c常規(guī)計(jì)算機(jī)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?yàn)橛?xùn)練算法通常需要許多操作同時并行進(jìn)行。

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

通過實(shí)施二值化神經(jīng)網(wǎng)絡(luò)系統(tǒng)，該團(tuán)隊(duì)能夠使設(shè)備更加節(jié)能。不允許參數(shù)為任何數(shù)字，而是將其限制為+1或-1。這既大大簡化了使用的硬件，又壓縮了必須存儲的數(shù)據(jù)量。他們使用AI中的一項(xiàng)常見任務(wù)對設(shè)備進(jìn)行了測試，解釋了手寫數(shù)字?jǐn)?shù)據(jù)庫?？茖W(xué)家表明，增加每個電路層的大小可以提高算法的準(zhǔn)確性，最大可達(dá)到90%左右。

高級作者M(jìn)asaharu Kobayashi解釋說：“為了在AI越來越融入日常生活中時保持較低的能耗，我們需要更專業(yè)的硬件來有效地處理這些任務(wù)?！?/p>

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

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