當(dāng)前，邊緣智能硬件系統(tǒng)正越來越多地將各種類型的視覺傳感器集成于一體以提升系統(tǒng)性能。在邊緣智能系統(tǒng)上對不同傳感器輸出的多模態(tài)數(shù)據(jù)進(jìn)行分析，對各種新型應(yīng)用如增強(qiáng)現(xiàn)實(shí)/虛擬現(xiàn)實(shí)、無人機(jī)等較為重要。這對軟硬件系統(tǒng)提出了挑戰(zhàn)。目前，多模態(tài)信號在數(shù)據(jù)結(jié)構(gòu)上的異構(gòu)性導(dǎo)致邊緣系統(tǒng)開發(fā)具有較高復(fù)雜性，傳統(tǒng)數(shù)字硬件的性能受限于物理分離的存儲與計算單元以及晶體管尺寸縮放的物理極限。隨著模型規(guī)模持續(xù)擴(kuò)大，其復(fù)雜的訓(xùn)練過程加劇了上述限制。
 

　　近日，中國科學(xué)院微電子研究所研究員尚大山與南方科技大學(xué)博士王中銳合作，通過軟硬件協(xié)同設(shè)計，開發(fā)出基于隨機(jī)阻變存儲器的深度極限點(diǎn)云學(xué)習(xí)機(jī)系統(tǒng)。該研究提出了新穎的軟硬件協(xié)同設(shè)計系統(tǒng)——基于隨機(jī)電阻存儲器的深度極限點(diǎn)云學(xué)習(xí)機(jī)(DEPLM)，可支持高效統(tǒng)一的點(diǎn)集分析。在數(shù)據(jù)層面，研究將多模態(tài)數(shù)據(jù)統(tǒng)一表示為點(diǎn)集，實(shí)現(xiàn)了通用化處理；在軟件層面，研究提出深度極限點(diǎn)云學(xué)習(xí)機(jī)，同時大部分權(quán)重?zé)o需訓(xùn)練，降低了訓(xùn)練復(fù)雜度；在硬件層面，阻變存儲器可以實(shí)現(xiàn)存儲與計算一體化，并可以利用其固有的編程隨機(jī)性生成DEPLM的隨機(jī)稀疏權(quán)重，從而抑制讀取噪聲的影響。
 

　　進(jìn)一步，該研究在多種數(shù)據(jù)類型和兩類學(xué)習(xí)任務(wù)中驗(yàn)證了這一系統(tǒng)的普適性。與傳統(tǒng)數(shù)字硬件系統(tǒng)相比，該協(xié)同設(shè)計系統(tǒng)實(shí)現(xiàn)了能效提升并降低了訓(xùn)練成本。
 

　　這一基于隨機(jī)阻變存儲器的深度極限點(diǎn)云學(xué)習(xí)機(jī)，有望為跨模態(tài)、跨任務(wù)的高能效、易訓(xùn)練邊緣智能系統(tǒng)開辟新路徑。
 

　　相關(guān)研究成果發(fā)表在《自然-通訊》(Nature Communication)上。研究工作得到科學(xué)技術(shù)部、國家自然科學(xué)基金委員會、中國科學(xué)院及香港研究資助局的支持。
 

基于隨機(jī)阻變存儲器的深度極限點(diǎn)云學(xué)習(xí)機(jī)軟硬件設(shè)計