7.6
深览指数
科技微博·机器之心Pro··AI 生成
北大团队打造神经动力学系统芯片，脑皮层重建速度提升近480倍
北京大学与中科院团队在《科学》发表研究，利用相变存储器的可控电导漂移特性，设计了一款40纳米神经动力学系统（NDS）专用芯片。该芯片将传统数字电路中的自适应步长搜索演化为物理器件的电导漂移过程，并结合存内计算架构，实现了2.12毫秒的单次迭代延迟。在脑皮层重建任务上，相比GPU A100实现了50到478倍的加速，同时功耗降低11.75至24.73倍。这项工作将器件非理想特性转化为计算资源，为超低延迟物理建模与AI硬件提供了新的协同设计思路。适合关注存内计算、新型计算范式或生物医学影像与AI交叉领域的读者。原文 ↗
核心观点
- ▍本研究利用相变存储器的可控电导漂移特性，将NDS中的自适应步长搜索这一计算瓶颈转化为物理器件的自然演化过程，从而实现了接近实时的高保真几何重建。
- ▍将神经网络权重直接编程进PCM忆阻器阵列，采用存内计算（CIM）架构，解决了传统冯·诺依曼架构下数据搬运导致的速度瓶颈。
- 01NDS依赖Runge-Kutta等数值积分方法，其自适应步长搜索涉及大量读写和缓存操作，步长搜索电路可占据芯片近三分之一的面积和五分之一的延迟。
- 02研究团队发现PCM器件的电导存在可控的、可预测的漂移（CCD），使其可用电导值直接编码步长Δt，从而替代了传统方案中的步长搜索电路。
- 03芯片采用双列差分存内计算结构，将权重量化为16个电导等级（±10至±45 S），覆盖了32×32到128×128规模的ENN权重矩阵。
- 04流片的40纳米NDS芯片整体面积仅为0.28平方毫米，集成了约14.7万个PCM器件，工作频率为50兆赫兹。
- 05在脑皮层重建任务中，PCM-NDS芯片将单次重建耗时压缩到426.31毫秒以内，相比GPU A100的21.47秒，实现了最多478.18倍的加速。
- 06重建大脑白质与灰质曲面的平均对称表面距离（ASSD）分别为0.245和0.376，豪斯多夫距离（HD）分别为0.525和0.786，达到了高保真重建的精度要求。
- 07PCM器件在超过10^10次循环读写后仍能保持稳定的电导漂移特性，具备数年的稳定运行潜力。
反方 / 局限
- — 该芯片基于40纳米工艺，与当前先进的7纳米及更先进制程的GPU相比，工艺节点落后，其绝对性能优势可能在更先进工艺的通用硬件上被削弱。
- — 该方案目前主要面向NDS这一特定算法框架，对于其他类型的微分方程求解或神经网络架构，其通用性、可编程性及开发工具链的成熟度仍需验证。
10 分钟 · 4 卡片 · 9 资料
读原文 →