//今次研究成果助力人工智能應用向更高效、更低功耗方向發展！//

非負矩陣分解是挖掘高維數據潛在結構的核心技術，廣泛應用於推薦系統、生物信息學、圖像處理等多個領域。北京大學人工智能學院孫仲研究員團隊，就設計了一種模擬計算晶片，為大規模數據處理提供全新高效方案。和當前先進數字晶片相比，計算速度可提升約12倍，能效比提升超過228倍，相關成果已於近日發表於《自然·通訊》。

孫仲團隊是次研製出基於阻變存儲器（RRAM）的非負矩陣分解模擬計算求解器，並創新性設計了一種可重構緊湊型廣義逆電路，通過電導補償原理，用最少的計算單元實現相同運算功能，對非負矩陣分解過程中最核心的計算步驟進行了優化，實現一步求解，極大優化晶片的面積與能耗表現。

為驗證晶片性能，研究團隊搭建測試平台，在典型場景中進行驗證。在圖像壓縮任務中，和在全精度數字計算機上運行的結果相比，圖片精度損失相差無幾，還節省一半的存儲空間；在推薦系統應用中，其預測誤差率和數字芯片計算結果高度相近。

孫仲表示，該研究可為實時推薦系統、高清圖像處理、基因數據分析等場景帶來技術革新，助力人工智能應用向更高效、更低功耗方向發展。

圖片來源：網上圖片

請Follow我們的YouTube頻道：https://bit.ly/2kgU8qg

下載我們的手機應用程式，收看第一手精彩內容：https://www.speakout.hk/app

瀏覽我們的IG：https://www.instagram.com/speakout_hk/?hl=zh-hk