集成存储和计算机分类体系结构是智能硬件的加

■这位记者李·豪（Li Huiyu）需要管理在智能驾驶中毫秒级的城市道路上数百名交通参与者的风险分类。简短的视频推荐系统必须每天从数十亿个视频中迅速分类，以适应用户感兴趣的内容。当训练模型培训时，很常见对数千万参数的优先评估。所有这些场景都表明了核的加速度：分类。由北京大学综合电路教授Yang Yuchao组成的团队和人工智能研究所的研究人员Tao Yayuu将提供基于集成存储和计算机技术的首个高效分类硬件体系结构，从而解决了针对传统计算机体系程序的计算机问题。 Praporciona计算机电源支持人工智能（AI）应用程序的效率更高，包括Inc砷智能，大语言模型，智能驾驶，智能运输，智能城市等。相关研究结果最近发表在自然电子学上。加速分类：集成存储和计算体系结构中的“硬骨”分类是最常用的基本操作之一，需要大量时间在AI系统中。它广泛用于自然语言处理，信息恢复，图形神经元网络，智能决策和其他领域。该文档的相应作者陶雅说，在冯·诺伊曼（Von Neumann）的传统计算机体系结构中，处理器和内存分离导致频繁的数据传输，从而严重限制了VelocidAcomputer的下降和能源效率。因此，用于集成存储和计算的集成存储和计算机架构是打破硬件性能的唯一方法。分类的加速是具有挑战性的“硬骨头”集成存储和计算机架构。例如，在智能驾驶的情况下，在简单的环境中，例如道路，车辆将周围车辆的旅行路线分类。必须确定它是否会影响他们的安全性并可以控制毫秒级的时间。但是，在复杂的城市环境中，周围的数百甚至各种交通参与者可能会引起风险，从而大大提高了分类和硬件潜伏期的复杂性。例如，对诸如Douyin和Xiaohongshu之类的简短视频平台的大型搜索和推荐系统要求许多候选人在计算用户的点击，资格和相似性之后，迅速对许多候选人进行分类。因此，分类性能直接影响系统响应时间和可扩展性。此外，诸如大规模语言模型的培训，机器人路线的规划和S之类的场景增强学习的Earch也是必不可少的步骤，需要大量时间来快速评估和分类多个决策或行动的优势和缺点。但是，在传统的计算机架构中，很难在Endrey或Edge设备上有效实现大型非线性类型。该过程消耗了大量的时间和力量，并显着限制了新兴技术的发展和传播，例如融合的智能和智能驾驶。根据陶尤尤（Tao Yayu）的说法，在过去的几年中，存储和计算的整合通过数值计算获得了显着的结果，该计算具有强大的规律性，例如矩阵计算。但是，由于分类的复杂逻辑，非线性操作，访问不规则数据以及缺乏一般有效的硬件分类，当前的国际存储和计算机集成体系结构无法解决大数据分类的问题n。此问题是中央电池点的问题，它限制了下一个代代AI计算硬件的开发。在解决AI系统中的多个中心技术问题时，通常将分类用作数据，预处理或决策具有中间链接。在更有效地运行时，它成为整个系统的重要瓶颈。集中在“对现场中的数据进行分类”的第一个关键目标中，团队超过了集成存储和计算机架构中的许多核心技术问题，以及分类速度和能源效率的大小。它取得了进步。根据Tao Yayu的说法，这项工作已经取得了许多进步，并且基于记忆中的新矩阵结构，已经开发出了很高的并行比较机制。进行了“ Memristor阵列”的开创性介绍是为了在较低延迟且多个的硬件级别上实现并行分类电路设计。在操作中ATOR级别，针对AI任务的算法 - 建筑协作路由与现有矩阵计算相兼容。此外，已经完成了设备电路系统技术集成的完全自主设计。该文档的第一作者，北京大学的综合巡回学院的博士生Yu Lianfeng说：“分类的核心是比较操作，需要精确实施“条件数据传输 +数据传输。 “在复杂的应用程序场景中，必须优先考虑不同的因素。”比较选择“是一种传统的集成存储和主要集中的计算机架构，例如“多个添加”。 “这些复杂的操作和设计和计算机分类体系结构”无比较”表明，在典型的分类任务中，这种硬件解决方案可能会增加15次以上，处理100万LE数据元素的分类任务与响应并行，因此它是CPU或GPU处理器的传统响应速度，这些任务需要非常高实时。陶说。提高计算机效率并创建加速引擎。这项技术是据报道，可以在诸如智能交通图像分类系统，财务智能风险控制评分引擎，边缘监控设备的客观优先识别模块和其他应用程序视角等方案等方案中使用。在相关测试中，该技术证明了高速和低能消耗的巨大优势。例如，在智能的交通情况下，该系统首先以毫秒为单位完成100,000个级别的事件，现在，AI技术和物理世界的加速集成有望为实时时间提供有效的实时支持，以实现紧急响应计划的实时时间 - 更多。限制”。“存储和计算集成”的超高绩效分类的成功进步不仅是建筑创新的胜利，而且还可以将科学研究的结果转化为实际应用的科学研究结果，并满足国家战略需求。与我国家的下一个代理AI的硬件相满足，我国家的下一个技术也将提供一个可靠的“基础”，并为“基础”建立了一个稳定的型号。 ”初步计算表明，如果该技术是在中心应用方案中驱动的，例如智能终端，工业管理，数据中心，数据中心，数据中心，数据中心的传统计算机能量中心的数据中心。相关论文信息：https：//doi.org/10.1038/s41928-025-01405-2