可通过大规模集成实现超级计算功能

科技日报北京5月24日电 （记者 聂翠蓉）在当今“大数据”时代，现有计算机硬件架构已面临速度和高能耗的瓶颈。科技日报记者日前采访美国密西根大学电子工程与计算机系卢伟教授获悉，他带领同事研发出一种全新忆阻器（Memristor）阵列芯片，其处理图片和视频等复杂数据的速度和能效，超越了现有最先进机器学习系统。相关论文发表在最近一期《自然·纳米技术》杂志上。

目前，用机器学习来处理大数据越来越受重视。不过现有的机器学习只是基于现有硬件架构在算法上进行革新，在学习和推理过程中仍需不断在处理器和存储器之间转移大量数据，造成速度上的瓶颈和很高的能耗。而忆阻器是一种新型电子器件，能通过调整内部的原子分布同时实现数据存储和信号处理的功能，低能耗、高效率并行实现机器学习里最基本的矩阵运算。

卢伟告诉记者，他们这次制备的是32×32忆阻器阵列，并用该阵列芯片实现了“稀疏编码”的算法。稀疏编码是一种无监督学习方法，能通过芯片上神经元之间的竞争更有效地找出隐含在输入数据内部的结构与模式。在测试中，新忆阻器芯片经过“学习培训”后，利用很少的神经元成功从一些名画和照片中找到关键特征。

卢伟参与创建的半导体公司Crossbar Inc，已与中国最大规模芯片制造企业——中芯国际展开合作，从去年开始量产基于忆阻器的阻变存储器(RRAM)。他表示，新忆阻器可直接集成到现有传感器和摄像系统上，实时处理和分析视频数据。它们还可以通过大规模集成实现超级计算机的功能。