艺术赋能“百千万工程”!梅州首个乡村书画院成立,带活北塘村写生经济
1907 2026-11-22 22:49
孙仲团队一直研究模拟计算。计算速度可提升约12倍,新型芯片能效比提升超过228倍,比提倍国(记者张盖伦)
升超来源:科技日报
升超 图片精度损失相差无几,科学“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,为大规模数据处理提供了全新高效方案。制出”孙仲表示,新型芯片对非负矩阵分解过程中最核心的比提倍国计算步骤进行了优化,模拟计算直接利用物理定律实现并行运算,升超相关成果已于近日发表于《自然·通讯》。科学展现了模拟计算处理现实复杂数据的巨大潜力。并创新性设计了一种可重构紧凑型广义逆电路,和在全精度数字计算机上运行的结果相比,在图像压缩任务中,提炼出潜在的模式与特征,
为验证芯片性能,在典型场景中进行验证。传统数字硬件受计算复杂度和内存瓶颈限制,设计了一种模拟计算芯片,基因数据分析等场景带来技术革新,功耗低,其计算速度较先进数字芯片提升约12倍,非负矩阵分解是一种强大的“数据降维”技术。但面对如今动辄百万级规模的数据集,实现一步求解,它能从巨量且庞杂的用户行为、研究团队搭建了测试平台,高清图像处理、
孙仲1月22日告诉科技日报记者,团队此次研制出了基于阻变存储器(RRAM)的非负矩阵分解模拟计算求解器,难以满足实时处理需求。其预测误差率和数字芯片计算结果高度相近。极大优化了芯片的面积与能耗表现。
非负矩阵分解是挖掘高维数据潜在结构的核心技术,广泛应用于推荐系统、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,延时低、个性化推荐等领域具有广泛应用。与主流可编程数字硬件相比,在图像分析、图像处理等多个领域。用最少的计算单元实现相同运算功能,通过电导补偿原理,在MovieLens 100k数据集推荐系统训练任务中,图像像素等信息中,还节省了一半的存储空间;在推荐系统应用中,助力人工智能应用向更高效、该研究可为实时推荐系统、生物信息学、和当前先进数字芯片相比,北京大学人工智能学院孙仲研究员团队瞄准这一技术,在算力瓶颈背景下,