回顧神經啟發式計算機芯片開發的最新進展

近年來，全球許多研究團隊一直在開發受人腦啟發的計算技術，例如深度學習算法。雖然這些技術中的一些被認為在廣泛的應用中很有前途，但是常規硬件并不總是支持其計算負荷，因此會限制其性能。

為了克服現有硬件的局限性并確保以大腦為靈感的計算技術獲得最佳結果，可能的解決方案需要創建新的電子組件，以更好地反映人腦的結構。一類受神經啟發的計算芯片是專門為模仿人類和其他動物的大腦神經結構的人工智能(AI)應用而設計的。

中國清華大學的研究人員回顧了神經啟發性計算芯片設計的最新進展，以了解迄今為止取得的進展并確定仍需克服的挑戰。他們發表在《自然電子》上的評論文章還概述了一系列共同設計原則，這些原則可以為新的神經啟發性電路，設備和算法的開發提供信息。

進行這項研究的研究人員之一華強強(Waqiang Wu)對TechXplore表示：“本文的想法來自我們先前設計神經啟發性計算芯片的嘗試。” “在過去的研究中，我們發現很難在單個級別(例如設備或電路級別)上優化這些芯片的性能，并且需要使用涵蓋廣泛領域的協同設計策略來優化此類芯片。從設備到算法的各種元素。”

Wu和他的同事在他們的新論文中仔細研究了神經啟發性計算芯片設計的最新發展，并反思了他們在該領域的努力中所汲取的一些教訓。此外，他們概述了一組基準測試指標和共同設計原則，可以幫助其他嘗試開發這些芯片的人。

Wu說：“我們希望我們的工作能夠幫助非專業讀者找到更多關于神經啟發性計算芯片的信息，同時也促進這一研究領域的更大發展。” “我們主要研究了神經啟發的計算芯片在支持算法，增強神經網絡或人工(深度)神經網絡方面的潛力。”

Wu和他的同事們強調了工程師在評估神經啟發型計算芯片的有效性時可以重點關注的四個指標：計算密度，能效，計算精度和片上學習能力。