近日，湖南大学电气与信息工程学院刘杰教授课题组自主研制出了“存算一体”非冯·诺依曼类脑芯片架构，用于加速分子动力学高性能科学计算。相较主流Intel CPU、NVIDIA GPU芯片，在保持计算高精度前提下，实现了约2个数量级提速。研究成果发表在《npj Computational Materials》期刊。
自1946年发明至今，冯·诺依曼架构一直占据统治地位，是CPU、GPU等主流芯片的基础，也是手机、台式机、笔记本、计算服务器、超级计算中心的底层基础架构。不过，在冯·诺依曼架构中，“存储墙（memory wall）”和“功耗墙（power wall）”等瓶颈问题严重制约了计算性能的提升。
为此，刘杰教授团队自主设计了“存算一体”的类脑芯片架构，并基于FPGA研制出了基于新型非冯·诺依曼芯片架构的分子动力学计算系统“NVNMD”（第一版），实现了从传统冯·诺依曼芯片架构向新型非冯·诺依曼芯片架构的“范式转移（paradigm shift）”。
据湖南大学官方介绍，NVNMD的核心计算模块中，存储单元和计算单元紧密融为一体（即“存算一体”），避免了频繁的数据搬运，极大缓解了计算中的“存储墙”和“功耗墙”瓶颈。实测表明，相较主流CPU、GPU等传统冯·诺依曼架构芯片，可将计算速度提升大约2个数量级；并可将计算功耗降低大约3个数量级。该成果提出的新型NVNMD兼具AIMD级别高精度、CMD级别高速度，在物理、化学、生物、制药、地质、材料、半导体、纳米技术等领域有广泛应用前景。
目前，该团队正在基于高端工艺节点，设计非冯·诺依曼架构ASIC芯片的NVNMD（第二版），旨在实现单节点（平方cm量级芯片、百瓦量级功耗、新型非冯·诺依曼芯片架构）分子动力学算力大致相当于美国最强超算中心Summit算力总和（占地一栋楼、十兆瓦量级功耗、传统冯·诺依曼芯片架构）的研究目标。
芯片算力是人工智能（AI）技术的三大要素之一。传统计算芯片是基于场效应晶体管、数字逻辑运算和冯诺依曼架构设计的，其优势在于高精度的数据处理。近年来，AI应用对数据计算量的需求呈爆炸式增长，与传统计算芯片算力的渐趋饱和形成了尖锐的矛盾，严重制约了AI技术的进一步发展。新型的存算一体芯片通过模拟生物大脑的结构和信息处理机制，可以显著的提升AI任务的计算效率，弥补传统计算芯片的不足，在终端智能电子设备和云端服务器等领域都有着巨大的发展潜力和应用前景。
存算一体是大脑最主要的特征之一，也是实现高算力、高能效计算的一项关键技术。由于存算一体芯片利用存储器件的模拟特性进行计算，电路中的各类误差给芯片设计带来了巨大的挑战。只有通过从器件到电路再到架构和算法的协同优化，才可能使存算一体芯片的计算精度得到保持，并同时获得算力和能效的大幅提升。
|
