IT之家10 月 10 日音讯，近期，清华大学集成电路学院吴华强教授、高滨副教授根据存算一体核算范式，
据清华大学介绍，回忆电阻器（Memristor），是继电阻、电容、电感之后的第四种电路根本元件。它可以在断电之后，仍能“回忆”经过的电荷，被作为新式纳米电子突触器材。
2012 年，钱鹤、吴华强团队开端研讨用忆阻器来做存储，但由于忆阻器的资料器材优化和集成工艺不成熟，团队只能靠自己在试验室里探究，在一次又一次失利的试验中探究进步器材的一致性和良率。
两年后，清华大学与中科院微电子所、北京大学等单位协作，优化忆阻器的器材工艺，制备出高性能忆阻器阵列，成为我国首先完结忆阻器阵列大规模集成的重要根底。
2020 年，钱鹤、吴华强团队根据多阵列忆阻器，搭建了一个全硬件构成的完整存算一体体系，在这个体系上高效运行了卷积神经网络算法，成功验证了图像辨认功用，比图形处理器芯片的能效高两个数量级，大幅度的进步了核算设备的算力，完结了以更小的功耗和更低的硬件本钱完结杂乱的核算。
清华大学表明，存算一体架构，就好像“在家作业”的新式作业方式，彻底消除了往复通勤的能量消耗，避免了往复通勤带来的时刻推迟，还大大节约了作业场所的运营本钱，在边际核算和云核算中有广泛的使用远景。
钱鹤、吴华强带领团队立异规划出适用于忆阻器存算一体的高效片上学习的新式通用算法和架构（STELLAR），研制出全球首颗全体系集成的、支撑高效片上学习的忆阻器存算一体芯片。
相同使命下，该芯片完结片上学习的能耗仅为先进工艺下专用集成电路（ASIC）体系的 1/35，一起有望完结 75 倍的能效提高。
“存算一体片上学习在完结更低推迟和更小能耗的一起，可以有显着作用地维护用户隐私和数据。”博士后姚鹏介绍，该芯片参照仿生类脑解决方法，可完结不同使命的快速“片上练习”与“片上辨认”，可以有用完结边际核算场景下的增量学习使命，以极低的耗电习惯新场景、学习新知识，以使用户得到满意的个性化需求。
广告声明：文内含有的对外跳转链接（包括不限于超链接、二维码、口令等方式），用于传递更加多信息，节约甄选时刻，成果仅供参考，IT之家一切文章均包括本声明。
