假如您愿望可以时常会晤，迎接标星珍藏哦~
起源：内容编译自techxplore，谢谢。
封装在测试印刷电路板上的 CNT TPU 照片。
图片起源：Nature Electronics (2024)
事实证实，人工智能 (AI) 和机械进修对象在处置必要阐发数据并做出精确猜测的各类义务方面异常有用。只管这些对象具有诸多上风，但它们对计算的需求很年夜，而且在现有处置单位上运行时会耗费年夜量能源。
北京年夜学和中国其他研讨所的研讨职员比来开发出一种基于碳纳米管的张量处置单位 (TPU)，该单位远景十分光亮，可用于以更节能的方式运行 AI 算法。《天然电子学》杂志颁发的一篇论文先容了这种基于碳纳米管的张量处置芯片，这可能是开发下一代芯片途径上的一项症结突破。
“我们胜利研发出环球首款基于碳纳米管的张量处置器芯片（TPU），”论文配合作者张志勇奉告Tech Xplore。“我们受到了谷歌TPU和AI利用快速成长的启迪。从ChatGPT到Sora，人工智能正在迎来一场新的革命，但传统的硅基半导体技术越来越无法满意海量数据的处置需求。面临这一环球挑战，我们找到相识决计划。”
在计算机科学中，收缩阵列是一种处置器收集，可以有节拍地计算数据并容许数据自由经由过程，相似于血液在人体中的流动方式。张和他的同事开发了一种新的高效收缩阵列架构，使用碳纳米管晶体管，场效应晶体管 (FET)，其通道由碳纳米管制成，而不是传统的半导体。基于他们开发的这种新架构，他们发明了迄今为止报道的天下上第一个基于碳纳米管的 TPU。
“该芯片由3000个碳纳米管场效应晶体管构成，以3*3处置单位 (PE) 的情势组织起来，”张传授解释道。“这9个PE组成一个脉动阵列架构，可以并行执行两位整数卷积和矩阵乘法运算。”
处置单位 (PE) 的扫描电子显微镜图像。
起源：Nature Electronics (2024)
张和他的同事提出的紧耦合架构支撑收缩输入数据的流动。经由过程该架构的数据流动削减了静态随机存取存储器 (SRAM) 组件的读写操作，从而明显节俭了能源。
“每个 PE 都从其上游邻人（上和左）接管数据，自力计算其内部的部门成果，并将其通报到下游（右和下），”张说。“每个 PE 都设计用于 2 位 MAC 和有符号和无符号整数的矩阵乘法。联合收缩数据流，CNT TPU 可以加快 NN 利用中的卷积运算。”
该团队提出的体系架构颠末精心设计，可加快人工神经收集执行的张量运算，轻松在整数卷积和矩阵乘法之间切换。他们基于此架构开发的张量处置芯片可能成为基于低维电子学的新型高机能集成电路开发的紧张里程碑。
“基于我们的碳基张量处置器芯片，我们构建了一个五层的卷积神经收集，可以执行图像辨认义务，精确率高达88%，功耗仅为295μW，这是所有新型卷积加快硬件技术中功耗最低的。”张传授说。
“体系模拟成果注解，采纳180纳米技术节点的碳基晶体管频率可以到达850MHz，能效跨越1TOPS/w，比同技术节点的其他器件技术具有显著上风。”
CNT TPU 的脉动布局。
起源：Nature Electronics (2024)
总体而言，研讨职员进行的初步模拟和测试成果凸显了碳基 TPU 的潜力，注解它可能异常得当运行基于机械进修的计算模子。将来，他们的芯片可以比现有的基于半导体的装备表示出更年夜的计算才能，而且更节能。
该研讨团队的尽力终极将有助于加快卷积神经收集的运行，同时低落其功耗。与此同时，张和他的同事方案进一步进步芯片的机能、能效和可扩大性。
张弥补道：“例如，可以经由过程使用分列划一的半导体 CNT 作为通道资料、减小晶体管尺寸、增长 PE 的位数或实现 CMOS 逻辑等方式进一步进步这种办法的机能和能源效力。”
“CNT TPU 还可能在硅晶圆厂的 BEOL 中制作，以实现三维集成：即底部是硅 CPU，顶部是 CNT TPU 作为协处置器。此外，可以研讨多层 CNT FET 的 3D 单片集成，以得到低落延迟和增长带宽的潜在上风。”
https://techxplore.com/news/2024-08-tensor-processor-chip-based-carbon.html
半导体佳构"号保举
专注半导体范畴更多原创内容
存眷环球半导体财产动向与趋向
*免责声明：本文由作者原创。文章内容系作者小我概念，半导体行业察看转载仅为了转达一种分歧的概念，不代表半导体行业察看对该概念附和或支撑，假如有任何贰言，迎接接洽半导体行业察看。
本日是《半导体行业察看》为您分享的第3862内容，迎接存眷。
『半导体第一垂直媒体』
及时 专业 原创 深度
"大众号ID：icbank
喜欢我们的内容就点“在看”分享给小伙伴哦
