1月21日消息，當你點開社交平臺，瞬間看到心儀的電影推薦；當購物網站精準呈現(xiàn)你可能喜歡的商品——這些智能服務背后，是計算系統(tǒng)在海量數據中進行的急速運算與抉擇。

然而，支撐這一切的傳統(tǒng)計算芯片正在面臨速度與能耗的雙重壓力，科學家們將目光投向超越傳統(tǒng)數字計算的新架構。

北京大學孫仲研究員團隊在這一前沿領域取得關鍵突破，成功研發(fā)出高能效的新型專用計算芯片，首次為繁復的計算任務提供了專用硬件加速方案。

實驗表明，相較于先進數字芯片，該系統(tǒng)計算速度提升約12倍，能效比提升超過228倍。相關成果發(fā)表于國際期刊《自然·通訊》。

“這項研究瞄準了機器學習中的一項核心任務——非負矩陣分解。該技術如同一位高效的‘數據解讀者’，能從巨量且龐雜的用戶行為、圖像像素等信息中，提煉出潛在的模式與特征，在圖像分析、信息聚類、個性化推薦等領域具有廣泛應用。

然而，它的計算過程要求同步求解兩個矩陣，極為繁復，依賴傳統(tǒng)數字芯片的串行計算模式，往往力不從心，成為制約實時智能的瓶頸?！睂O仲告訴記者。

正因如此，團隊創(chuàng)新性轉向了模擬計算這一新興賽道，成功研制出基于阻變存儲器的非負矩陣分解模擬計算求解器。

“這就像是為一項特定且繁重的任務，打造了一把高度定制化的‘智能鑰匙’，而非繼續(xù)使用通用的‘萬能扳手’。通過精巧的電路設計與算法協(xié)同創(chuàng)新，我們在阻變存儲器陣列上構建出高度緊湊的模擬電路，并采用原創(chuàng)的電導補償技術，使得核心計算步驟能夠實現(xiàn)‘一步求解’，極大優(yōu)化了芯片的面積與能耗表現(xiàn)?！睂O仲說。

為驗證系統(tǒng)性能，研究團隊在實驗室中成功搭建原型系統(tǒng)，并完成多組實驗測試。

該系統(tǒng)既完成了對彩色圖像的高質量分解，信噪比損失微乎其微；也高效處理了電影推薦數據集訓練任務，精度幾乎與數字芯片無異。

系統(tǒng)級評估顯示，在面對網飛規(guī)模數據集的推薦系統(tǒng)訓練任務時，該模擬求解器的計算速度較先進數字芯片提升約12倍，而能效比更是實現(xiàn)了超過228倍的飛躍性提升。

“這項工作為非負矩陣分解這類約束優(yōu)化問題的實時求解開辟了新路徑，展現(xiàn)了模擬計算處理現(xiàn)實復雜數據的巨大潛力?！睂O仲說，“這意味著，未來此類高能效專用芯片，有望大幅提升個性化推薦的實時響應能力，并為生成式AI訓練提供更節(jié)能、更快的算力支持?！?/p>

“這項成果不僅拓展了高效計算架構的應用邊界，更為應對人工智能時代的算力挑戰(zhàn)提供了創(chuàng)新解決方案。

隨著后續(xù)研究深入和產業(yè)化進程推進，此類高能效專用計算架構有望在更多關鍵領域實現(xiàn)應用，為我國在下一代智能計算技術競爭中構建核心優(yōu)勢?！睂O仲期待。