據(jù)悉,清華大學微納電子系魏少軍教授團隊在日本京都舉辦的2017 VLSI Symposia on Technology and Circuits(簡稱VLSI國際研討會)發(fā)表了題為“A 1.06-to-5.09 TOPS/W Reconfigurable Hybrid-Neural-Network Processor for Deep Learning Applications”的學術(shù)論文。
第一作者尹首一副教授在會上詳細介紹了該團隊在人工智能芯片領域取得的重大進展。這是清華大學微納電子系首次作為第一作者單位在該國際會議上發(fā)表論文。
在人工智能日益火熱的今天,現(xiàn)有的通用計算平臺(CPU、GPU和FPGA等)難以實現(xiàn)高能效的神經(jīng)網(wǎng)絡計算,探索新型神經(jīng)網(wǎng)絡計算芯片架構(gòu)成為研究熱點和學科前沿。過去幾年,尹首一副教授針對這一前沿課題,領銜研究和設計了可重構(gòu)多模態(tài)混合神經(jīng)計算芯片(代號Thinker)。
Thinker芯片基于該團隊長期積累的可重構(gòu)計算芯片技術(shù),采用可重構(gòu)架構(gòu)和電路技術(shù),突破了神經(jīng)網(wǎng)絡計算和訪存的瓶頸,實現(xiàn)了高能效多模態(tài)混合神經(jīng)網(wǎng)絡計算。Thinker芯片具有高能效的突出優(yōu)點,其能量效率相比目前在深度學習中廣泛使用的GPU提升了三個數(shù)量級。Thinker芯片支持電路級編程和重構(gòu),是一個通用的神經(jīng)網(wǎng)絡計算平臺,可廣泛應用于機器人、無人機、智能汽車、智慧家居、安防監(jiān)控和消費電子等領域。