若是要给三维物体的外貌建模，，好比从核磁共振数据中重修大脑皮层的白质、灰质外貌，，古板要领既要包管几何上的高保真度，，又要维持严酷的拓扑一致性 —— 曲面不可自相交、不可泛起「洞」。。。。。。近年来，，一类被称为神经动力学系统（Neural Dynamical Systems, NDS）的要领，，依附将神经网络嵌入一连时间的微分方程求解历程，，在这类使命上展现出远超古板卷积网络和 Transformer 的精度与稳固性。。。。。。 但 NDS 有一个众所周知的软肋：速率瓶颈。。。。。。由于每一步盘算都需要神经网络重复加入自顺应步长的搜索与误差校验，，一次完整的迭代往往需要数百毫秒，，跑在 GPU、FPGA 甚至专用 ASIC 上都难以突破这一延迟量级。。。。。。这也是为什么高保真几何重修至今很难做到实时完成。。。。。。 7 月 2 日揭晓于《Science》的一项研究给出了新的谜底。。。。。。来自北京大学杨玉超教授团队、中国科学院上海微系统与信息手艺研究所宋志棠研究员团队，，使用相变存储器（PCM）忆阻器的物理特征，，设计了一款 40 纳米 NDS 专用芯片，，将单次迭代的盘算延迟压到了 2.12 毫秒，，端到端的脑皮层重修使命延迟低至 426.31 毫秒，，相比 GPU A100 实现了 50 倍到 478 倍的加速，，同时功耗降低 11.75 至 24.73 倍。。。。。。 第一，，自顺应步长搜索价钱高昂。。。。。。NDS 依赖 Runge-Kutta（RK）等数值积分要领，，每一步都要凭证局部误差动态调解步长 Δt，，形变强烈的地方步长足够小以包管稳固性，，平滑区域逐步放大步长以提高效率。。。。。。但古板实现中，，这一搜索历程涉及大宗的读写、缓存和乘法运算，，仅步长搜索电路就能占有芯片近三分之一的面积和约五分之一的延迟。。。。。。 第二，，嵌入式神经网络（ENN）需要被高频挪用，，其推理延迟和存储开销直接决议了整体性能，，数据搬运甚至能占到总延迟的四分之一以上。。。。。。 第三，，NDS 还包括根号盘算等特殊盘算核，，需要专门的硬件支持。。。。。。古板冯?诺依曼架构下，，存储和盘算疏散，，数据在两者之间往返搬运，，自然保存存储墙问题。。。。。。 相变存储器的焦点质料是锗锑碲（GST）合金，，通过施加电脉冲，，可以让器件在高阻的非晶态与低阻的晶态之间转换（SET 为转向低阻，，RESET 为转向高阻）。。。。。。团队发明的要害征象是：PCM 器件的电导会随时间爆发一种可展望、可控制的漂移（Controlled Conductance Drift, CCD）。。。。。。 与其把这种漂移看作 “噪声” 或 “缺陷”，，研究者反其道而行之，，使用电导漂移作为盘算资源，，用电导值直接编码步长 Δt，，让步长的「试探」历程等价于电导随时间自然漂移的物理历程，，从而省去了古板方案里大宗的读、写、乘法电路。。。。。。实验显示，，大规模测试结论显示无论是 SET 照旧 RESET 操作，，差别电导状态之间的都具备漂移纪律。。。。。。团队还验证了凌驾10??次循环的读写耐久性，，这意味着芯片可以稳固运行数年之久。。。。。。 步长搜索之外，，NDS 真正的算力消耗大头是 ENN 自己的推理，，尤其是 ENN 内部大宗的矩阵乘加运算操作。。。。。。团队接纳了近年来备受关注的存内盘算（Compute-in-Memory, CIM）思绪：使用 PCM 器件的多级电导（Multi-Level Cell, MLC）特征，，把神经网络的权重直接以电导值的形式编程进忆阻器阵列，，让乘加运算在模拟域内、在存储单位原地完成，，而不必把数据搬运到自力的运算单位。。。。。。 详细来看，，团队设计了一种双列差分结构，，将权重量化为 8 个电导品级（对应 ±10、±15、±25、±35、±45S 共 16 个可能取值），，足以笼罩 32×32 到 128×128 规模的 ENN 权重矩阵。。。。。。配合 write-verify（写后校验）编程方案，，实现了 16 个电导态的高精度写入。。。。。。最终，，整个 ENN 存内盘算阵列与步长漂移阵列的总面积仅为 0.28 平方毫米，，其中 288×512 的 PCM 1T1R 阵列集成了约 14.7 万个存储器件。。。。。。 团队流片验证了一颗 40 纳米 NDS 芯片，，运行在 50 兆赫兹时钟下，，把上述两大机制整合进统一套外围电路，，包括脉冲天生电路、逐次迫近型模数转换器（SAR-ADC）、字线 / 位线 / 选择线驱动电路等。。。。。。以经典的四阶 Runge-Kutta 要领搭配多层感知机 ENN 为例，，一次完整的 NDS 盘算被拆解为 ENN 的存内盘算与步长的电导漂移，，最后用 k1 至 k4 中心量乘以步长 Δt，，获得该步的输出效果与误差预计。。。。。。 与同样基于 CMOS 工艺的专用 ASIC 方案相比，，用 PCM 替换 SRAM 权重缓存节约了 0.26 平方毫米面积，，而原位步长搜索机制进一步省去了乘法器、缓冲器等电路，，最终整体面积仅为 0.28 平方毫米。。。。。。性能上，，面临统一套 ENN 和步长搜索使命，，该芯片相比 此前的 ASIC 方案，，划分实现了 3.82 至 36.27 倍的速率提升，，同时功耗降低 11.75 至 24.73 倍。。。。。。 团队选择了公认极具挑战性的高保真几何建模使命，，同时重修大脑白质（WM）与灰质（GM）皮层曲面，，这类曲面的褶皱形态蕴含着主要的剖解与功效信息，，且必需包管天生的网格是无自相交的亏格为 0（genus-0）闭合流形。。。。。。 与古板的 FreeSurfer 要领以及不含 RK 积分历程的通俗神经网络相比，，基于 PCM 的 NDS 方案在差别误差容限下的自相交率显着更低（0.0001 至 0.1064，，而通俗神经网络为 0.1235），，天生的三维打印皮层曲面也未泛起 “非流形 “（数学界说）的自相交缺陷。。。。。。定量指标上，，重修曲面的平均对称外貌距离（ASSD）在白质、灰质上划分为 0.245 和 0.376，，豪斯多夫距离（HD）划分为 0.525 和 0.786，，抵达了高保真重修的精度要求。。。。。。 使用 Intel 至强 8462Y 处理器多核运行 FreeSurfer，，单次重修需要 8722 秒到 11860 秒（视核数而定）；；；；；GPU A100 在差别误差容限下需要 1.83 秒到 21.47 秒；；；；；而 PCM-NDS 芯片将统一使命的耗时压缩到了 3.85 毫秒到 426.31 毫秒，，相比 GPU 实现了 50.38 倍到 478.18 倍的加速，，真正把高保真几何重修从盘算瓶颈酿成了可以实时完成的操作。。。。。。 这项事情最感感人的地方，，相变存储器的电导漂移曾被视为需要被抑制的非理想特征，，而团队通过掺碳等工艺手段细腻调控这种漂移，，反过来把它酿成了一种自然的、一连的盘算资源，，用于原位完成古板数字电路需要大宗读写和乘法运算才华完成的步长搜索。。。。。。 这也为存内盘算的应用场景提供了新思绪：除了各人熟悉的深度学习矩阵乘加加速，，忆阻器件的模拟特征同样可以承载更重大的数值盘算历程，，好比微分方程求解、动力系统建模等恒久被以为耗时、耗能的使命。。。。。。随着高保真物理建模在具身智能、数字孪生、医学影像等领域需求日增，，这类将算法特征与器件物理深度耦合的软硬件协同设计思绪，，可能会成为下一代低延迟 AI 硬件的主要偏向。。。。。。 本文的配合通讯作者北京大学朱毅鑫研究员，，北京大学陶耀宇副研究员，，第一作者北京大学博士后蔡磊 (现任职于北京化工大学)、中国科学院上海微系统与信息手艺研究所解晨晨研究员、北京大学博士后闫龙皞。。。。。。 相关事情入选 “面向 2030 北京大学重大培育项目”。。。。。。该研究获得新基石研究员项目、国家重点研发妄想、国家自然科学基金、广东省存算一体芯片重点实验室、深圳市重点工业研发妄想等支持。。。。。。 杨玉超，，北京大学博雅特聘教授，，国家杰青，，新基石研究员，，信息工程学院院长，，科学智能学院副院长。。。。。。恒久从事存算一体芯片、类脑盘算、脑机接口等研究，，主持国家重点研发妄想、新基石研究员项目、面向 2030 北京大学重大培育项目、国家杰青、基金委重大研究妄想集成项目、基金委重点项目、北方先进工艺研究院双 1+1 工程重点项目、霍英东青年西席基金等重大 / 重点科研项目 20 余项，，相关研究效果累计揭晓 Science、Nature Electronics、Nature Reviews Materials、Nature Nanotechnology、Nature Communications、Science Advances 等期刊和聚会论文 180 余篇。。。。。。 宋志棠，，中国科学院上海微系统与信息手艺研究所研究员，，博士生导师，，信息功效质料国家重点实验室副主任，，第二研究室主任。。。。。。宋志棠恒久从事相变存储器质料与器件、纳米抛光液领域的研究事情，，在新型相变质料、相变存储芯片、高密度存储手艺、相变抛光等领域取得多项立异性效果。。。。。。在 Science，，Nature communications，，IEDM 等期刊揭晓了 SCI 论文 511 余篇。。。。。。 蔡磊，，北京大学博士后，，杨玉超教授团队焦点成员，，现任职于北京化工大学，，硕士生导师，，以第一作者揭晓 Science、Nature Electronics 等国际顶级期刊。。。。。。恒久从事面向新型存储器的类脑盘算，，脑机接口软硬件协同加速器设计，，主持北京市自然科学基金。。。。。。