“这项工作为非负矩阵分解这类约束优化问题的实时求解开辟了新路径,其计算速度较先进数字芯片提升约12倍,升超团队此次研制出了基于阻变存储器(RRAM)的科学非负矩阵分解模拟计算求解器,
孙仲1月22日告诉科技日报记者,北京大学人工智能学院孙仲研究员团队瞄准这一技术,制出能效比提升超过228倍,新型芯片实现一步求解,比提倍国在MovieLens 100k数据集推荐系统训练任务中,升超极大优化了芯片的科学面积与能耗表现。与主流可编程数字硬件相比,难以满足实时处理需求。对非负矩阵分解过程中最核心的计算步骤进行了优化,基因数据分析等场景带来技术革新,传统数字硬件受计算复杂度和内存瓶颈限制,信息聚类、它能从巨量且庞杂的用户行为、相关成果已于近日发表于《自然·通讯》。个性化推荐等领域具有广泛应用。广泛应用于推荐系统、为大规模数据处理提供了全新高效方案。而能效比提升超过228倍。非负矩阵分解是一种强大的“数据降维”技术。高清图像处理、该研究可为实时推荐系统、延时低、模拟计算直接利用物理定律实现并行运算,通过电导补偿原理,计算速度可提升约12倍,
非负矩阵分解是挖掘高维数据潜在结构的核心技术,”孙仲表示,在典型场景中进行验证。
孙仲团队一直研究模拟计算。(记者张盖伦)
来源:科技日报
研究团队搭建了测试平台,图像处理等多个领域。功耗低,用最少的计算单元实现相同运算功能,生物信息学、其预测误差率和数字芯片计算结果高度相近。还节省了一半的存储空间;在推荐系统应用中,在图像压缩任务中,和在全精度数字计算机上运行的结果相比,图片精度损失相差无几,展现了模拟计算处理现实复杂数据的巨大潜力。在图像分析、具有先天优势。为验证芯片性能,更低功耗方向发展。该模拟计算器实现了212倍的速度提升和4.6万倍的能效提升;在网飞(Netflix)规模数据集的推荐系统训练任务中,助力人工智能应用向更高效、和当前先进数字芯片相比,










