普林斯顿研发「超级芯片」，可将运算效率提升10倍

编译/小石

当今社会对人工智能的需求已呈爆炸式增长，普林斯顿大学的研究者对此不断寻找解决方案。如今，研究者们通过创造共同设计的硬件和软件，使设计人员能够将新型系统融入到他们的应用程序中，从而使他们的创新成果能够被更广泛地应用。

这套由普林斯顿大学研发的系统可以在降低能耗的同时，也减少和分散在各地的服务器的数据交换，并会把一些人工智能应用系统的运算速度最大化，例如无人机的飞行软件，无人驾驶汽车、高阶翻译软件等等。

图示：新芯片基于模拟计算，它使用电路模拟要求解的方程，而不是像数字计算机那样生成1和0。（来源：普林斯顿大学）

「软件是激活硬件的重要元素」，一位普林斯顿大学电子和计算机工程教授NaveenVerma和他的团队说，「我们希望设计者们能用同一套软件工作，只不过这套系统会更快，且比原有系统提升10倍效率。

「为了使人工智能达到和人实时互动，并且更加便捷地进行数据处理，我们需要强调延时问题和机密性，以达到最高的运算速度。」大学Keller中心的教授Verma说，「我们还需要能量和绩效的最优化。」

两年前，普林斯顿的研究团队制造了一款新的芯片，该芯片可用于提高神经网络的表现。这项研究是当今人工智能研究的重要基础。这款芯片的表现比当时其他最高级的芯片要高十倍甚至百倍，并为芯片革命画上了重要一笔。

Verma教授在18年一次接受采访时说，「芯片的特殊性需要大量对基础结构和设计方式的调整与整合。」在接下来的两年，研究者们对芯片进行细分，从而创造出一个能够允许人工智能发挥更高计算速度和效能的软件。在2月22号的ISSCC大会上，领头的作者hongyangJia——一位Verma研究团队的毕业生，阐述了新的软件会如何让芯片在不同形式的网络中运行，从而达到在硬件和软件中都可扩展的运作。

「这相当于一个程序能同时在所有网络中运行，这个网络虽然很大，但同时也会很小。」Verma说。Verma的团队开发出的新型芯片是对日益增长的人工智能需求的回应，同时也是为了降低人工智能对计算机网络的压力。人工智能赋予了机械模仿能力，同时也在学习判断、认知功能、图像识别、翻译，自动驾驶等新技术中起着至关重要的作用。理想的结果是，像无人机这种导航运算技术，最终会以无人机本身为基础，而不是以操控网络为基础。不过，这对数字芯片的储存能力的需求非常高，使芯片设计更加艰难。传统意义上，对于既要运算速度又要有储存能力的解决办法是开设远程服务器，从而通过无线方式来操作无人机。但是，这样又会增加数据交换的压力给传输系统，同时也带来了安全隐患和无人机操作执行不同步的问题。

为了解决这个问题，普林斯顿的研究者们重新思考了集中运算方式。首先，他们设计了一款能在运算的同时储存数据的芯片，这种技术被叫做内部记/span>这种技术增加了效率，但是又产生了新的课题。因为这种技术在一小片区域综合了两种功能，内部记忆运算必须依靠模拟运行，这种运行模式将受限于电源的稳定程度和温度。为了解决这个问题，团队设计出了电容器的芯片用来代替晶体管。电容器，这种装置存储充电，生产精密度更高，并且受电压波动的影响较小。再加上电容器的体积也非常小巧，更容易被安装在记忆模块中，以便提高处理能力并节省能耗。

不过，即便电容器芯片能让模拟操作非常顺畅，也还是存在很多挑战——由于它必须与其他电子结构元件高效结合，这就需要相应的功能和软件来配合，以促成整个系统快速运行。通常，在数字系统中，计算机工程师用0和1编写计算机程序的算法；而模拟系统却利用另一种完全不同的方法，他们以开关的断开和连通表示0和1。

此前，哥伦比亚大学的一位教授在文章中这样形容模拟系统：它是被工程师写出的、利用公式管理的物理系统。比如，算盘就是一个非常简单的模拟计算机。这位教授说，一个水桶和一根水管就可以是一台「模拟计算机」，用于解决特定的「微积分问题」。例如，针对积分函数，你可以用数学来计算，也可以去称量水桶里的水。

直到二战，模拟运算都一直都是主流技术，它曾被用于预测潮汐并指导海军行动。但是模拟系统的复杂性导致操作它的人必须受过专业训练。在运用了晶体管之后，数字系统被证实更有效率和适应性。不过，目前仍然有很多模拟系统被运用在生活中。Verma指出，这两种系统能够互相补充——要想使神经网络可以在模拟电路芯片中快速高效地运行，就离不开数字系统，这就是为什么开发一款能够同时运用两种系统的软件至关重要。

参考内容：https://techxplore.com/news/2021-02-rethinking-microchips-edge.html