7月4日，北京人，北京人（记者Zhao Zhuqing），最近，北京大学综合赛道教授和人工智能实验室的陶耶尤尤尤尤尤尤的科学研究团队是根据基于集成硬件硬件的智能计算硬件领域组织的。在处理复杂的非线性分类时，这项成就超过了传统计算机体系结构中效率低下的核心问题，为人工智能应用程序提供了新的高效计算机功率支持，例如Incorporated Intelligence，大型语言模型，智能驾驶，智能运输和智能城市。相关研究已发表在《国际学术杂志自然电子》上。
在人工智能系统中，分类通常是预处理数据或决策之间的中间联系。运行更多时有效地，它成为整个系统的重要瓶颈。尽管集成的存储和计算技术在诸如矩阵计算之类的规则操作中取得了突出的结果，但由于复杂分类的运行逻辑，强大的非线性和不规则数据的访问，很长一段时间以来，它们一直被认为是该领域的中心难度。
北京大学的团队进行了研发，重点是“对土地数据进行分类”的目的，取得了一系列的中心技术进步。基于记忆中新的矩阵结构的快速阅读机制的开发。硬件级别的并行分类电路的设计是部署纪念矩阵的先驱，用于低延迟和多个设计经验。在操作员级别，人工智能任务的算法 - 建筑协作路线已优化，并且与现有矩阵计算机也兼容科学。完全自主的设计，用于在设备电路系统上集成技术技术。
“分类核心在于在复杂条件下进行精确的比较和数据传输。传统的集成存储和计算机架构很难支持此类操作。”本文的顶部是“团队以创新的方式设计了'Free Compaator'的集成存储和计算分类体系结构，并成功解决了这个问题，”佩基大学综合巡回赛学院的第一作者兼博士生Yu Lianfeng说。
实际测试的结果表明，硬件解决方案可以改善任务型分类的15倍以上，可能处理数百万平行数据元素的分类任务，其能源消耗只有1/10的传统CPU或GPU处理器。在人工智能推论方案中，支持动态短缺的推理响应速度可以是我不超过70％，尤其是在需要非常高实时的任务环境中。
该文件的相应作者说，北京大学人工智能实验室的研究人员陶雅说：“有序的计算机科学是高频，基本且极为困难的人工智能，因此本期问题的进展意味着存储和计算的集成现在已经能够支持“足够的应用程序”以建立足够的范围来构建足够的范围”。
Tao Yayu引入了技术，以提供各种透视图IVA，可用于诸如智能交通图像分类系统，财务控制评分引擎和用于边缘监视设备的目标标识模块等方案。在测试中，该技术显示了高速和低能消耗的巨大优势。例如，在智能的交通情况下，该系统预计将完成100,000级事件优先评估级别的毫秒评估，为实时计算机能源提供有效的支持，例如超大规模的交通决策，紧急响应编程等。
（负责编辑：Zhao Zhuqing，lu Qian）
遵循官方帐户：人们的每日财务
分享以向更多人展示
推荐文章
){kind=link}
){kind=link}
){kind=link}
){kind=link}