麻省理工研发新神经网络芯片：速度增6倍 功耗少94%

麻省理工学院(MIT)的研究人员开发出了一种可用于神经网络计算的高性能芯片，该芯片的处理速度可达其他处理器的7倍之多，且无需在内存和处理器之间移动数据，MIT News认为这种处理方法更加接近于人类大脑的工作方式......

据MIT News报道，麻省理工学院(MIT)的研究人员开发出了一种可用于神经网络计算的高性能芯片，该芯片的处理速度可达其他处理器的7倍之多，而所需的功耗却比其他芯片少94-95%，未来这种芯片将有可能被使用在运行神经网络的移动设备或是物联网设备上。

MIT电子工程与计算科学研究生阿维谢克·碧斯沃斯(Avishek Biswas)是这个项目开发的领导者，他表示：“总体来说一般的处理器的运行模式是这样的，在芯片的一些部分里安放了内存，在进行计算的时候，它会在这些内存中来回移动数据。由于机器学习算法需要大量的算力，因此在来回移动数据的时候会消耗大量的能源。但是其实这些算法所做的计算可以被简化成一个种具体的操作，这种操作被称为点积(dot product)。我们的想法是，我们是否可以将这个点积功能部署在内存中，从而无需在不断的移动这些数据?”

这个芯片会将结点的输入值转化为电压，然后在进行储存和进一步处理的时候，再将其转换为数字形式。这种做法让这块芯片能够在一个步骤中同时对16个结点的点积进行计算，而且无需在内存和处理器之间移动数据。MIT News认为这种处理方法更加接近于人类大脑的工作方式。

碧斯沃斯将会在一篇论文中详细阐述这块芯片的工作方式，这篇论文将会在国际固态电路大会期间发表，和他一起撰写论文的还有他的论文指导老师，MIT工程学院院长阿南莎·钱德拉卡珊(Anantha Chandrakasan)以及MIT电子工程与计算机科学教授范内瓦·布什(Vannevar Bush)。

去年12月，SensibleVision公司CEO乔治·布罗斯托夫(George Brostoff)在曾经在《生物学更新(Biometric Update)》发表了一篇客座文章，证明了定制化处理器有可能会给移动设备的安全识别功能带来巨大的变革。那以后，FWDNXT也宣布他们将会开发使用深度神经网络进行图像识别与归类的低功耗处理器，此外ARM也宣布将会开发用于机器学习和物体识别的芯片。