可重构神经网络计算芯片的成功在科技领域取得重大进展

2017超大规模集成电路国际研讨会在日本京都举办，清华大学微电子与纳电子学系魏少军教授团队在会上发表了一篇学术论文，即“面向深度学习的高能效可重构混合神经网络处理器”。 尹首一副教授在会上对“在人工智能方面取得的重大进步”作了详细的介绍。

在科技高速发展的今天，人工智能已被广泛的应用到技术研发中。目前有的CPU、GPU和FPGA等计算平台难以实现高能效的神经网络计算，那么，对新型的神经网络计算芯片架构的探寻已成为研究热点。过去的几年中，尹首一副教授对这一关注热点领导团队研究和设计了可重构多模态混合神经计算芯片（代号“Thinker”），该芯片采用可重构架构和电路技术，突破了之前神经网络计算和访存的禁锢，实现了高能效多模态混合神经网络计算。

该芯片具有高效能的突出优点，其能量效率比GPU提升了三个数量级，是一个通用的神经网络计算平台，可被广泛的应用在无人机、机器人、智能家居和消费电子等领域。

Thinker芯片的显微照片

超大规模集成电路国际研讨会（VLSI）始于1987年，它与国际固态半导体电路大会和国际电子器件会议 并称微电子技术领域的“奥林匹克盛会”。它不仅是全球先进半导体与集成电路的学术盛会，而且还是国际微电子领域的顶级会议。它只接受极具应用前景的创新性研究成果，像英特尔、IBM等公司的许多技术都选择在VLSI上进行发布。

原文链接

可重构神经网络计算芯片的成功在科技领域取得重大进展

更多推荐

嵌入式深度学习:从云端到设备

通用电气医疗公司与英伟达合作，加快医疗成像处理

“汽车大师”获4200万人民币的A轮融资   欲打造AI智能问答赋能线下店

海尔U+与SOGOU强强联合  共同推动人工智能智慧家居的应用落地

最新研究显示：无需平行文本即可实现机器翻译

本文为ATYUN（www.atyun.com）编译作品，ATYUN专注人工智能。