如果您希望可以时常见面，欢迎标星收藏哦~ 来源：内容 编译自 IEEE 。 纳文·维尔马在普林斯顿大学的实验室就像一座博物馆，展示了工程师们尝试利用模拟现象而非数 字计算来提高人工智能效率的各种方法。其中一个工作台上摆放着迄今为止最节能的基于磁存储器 的神经网络计算机。在另一个工作台上，你会发现一个基于电阻存储器的芯片，它可以计算迄今为 止任何模拟人工智能系统中最大的数字矩阵。 维尔马表示，这两种材料都没有商业前景。更糟糕的是，他的实验室这部分简直就是一片坟场。 多年来，模拟人工智能一直吸引着芯片架构师的想象力。它结合了两个关键概念，可以大幅降低机 器学习的能耗。首先，它限制了存储芯片和处理器之间昂贵的比特移动。其次，它利用电流流动的 物理原理，而不是逻辑上的1和0，来高效地进行机器学习的关键计算。 在机器学习中，"很偶然地，我们的主要运算是矩阵乘法，"Verma 说。这基本上就是取一个数字 数组，将其与另一个数组相乘，然后将所有这些乘法的结果相加。很早以前，工程师们就注意到了 一个巧合：电气工程的两个基本定律可以精确地完成这样的运算。欧姆定律说，电压乘以电导就能 得到电流。基尔霍夫电流定律说，如果一束电流从 ...