新時代高科技不計其數越來越發達，小伙伴們看過不少科技新聞吧，在我們生活中應該也用到很多這些高科技東西，有哪些小伙伴值的關注的呢，今天就跟大家分享一篇有關科技方面知識，希望大家會喜歡。

近年來，全球許多研究團隊一直在開發受人腦啟發的計算技術，例如深度學習算法。盡管這些技術中的某些技術被認為在廣泛的應用中很有前途，但是常規硬件并不總是支持其計算負荷，因此會限制其性能。

為了克服現有硬件的局限性并確保以大腦為靈感的計算技術獲得最佳結果，可能的解決方案包括創建新的電子組件，以更好地反映人腦的結構。一類神經啟發的計算芯片是專門為模仿人類和其他動物的大腦神經結構的人工智能(AI)應用而設計的。

中國清華大學的研究人員回顧了神經啟發性計算芯片設計的最新進展，以了解迄今為止取得的進展并確定仍需克服的挑戰。他們發表在《自然電子》上的評論文章還概述了一系列共同設計原則，這些原則可以為新的神經啟發性電路，設備和算法的開發提供信息。

進行這項研究的研究人員之一華強強(Huaqiang Wu)對TechXplore表示：“這篇論文的想法來自我們先前設計神經啟發性計算芯片的嘗試。” “在過去的研究中，我們發現很難在單個級別(例如設備或電路級別)上優化這些芯片的性能，并且需要使用涵蓋廣泛領域的協同設計策略來優化此類芯片。從設備到算法的各種元素。”

Wu和他的同事在他們的新論文中仔細研究了神經啟發性計算芯片設計的最新發展，并反思了從他們在該領域的努力中學到的一些經驗教訓。此外，他們概述了一組基準測試指標和共同設計原則，可以幫助其他嘗試開發這些芯片的人。

Wu說：“我們希望我們的工作能夠幫助非專業讀者找到更多有關神經啟發性計算芯片的信息，同時也促進該研究領域的更大發展。” “我們主要研究了神經啟發的計算芯片在支持算法，增強神經網絡或人工(深度)神經網絡方面的潛力。”

Wu和他的同事們強調了工程師在評估神經啟發型計算芯片的有效性時可以關注的四個指標：計算密度，能效，計算精度和片上學習能力。

在回顧過去的研究時，研究人員觀察到這些指標對于神經啟發性計算芯片的設計和優化最為關鍵，因為它們最能代表芯片的獨特功能及其與傳統芯片相比的潛在優勢。例如，計算密度(一種反映芯片面積效率的指標)最終使工程師能夠確定芯片一次可以存儲多少信息，以及它們的內存是否足以運行大規模神經網絡。

除了概述評估大腦啟發式芯片的重要指標外，Wu和他的同事還介紹了一套共同設計原則，可以作為該領域未來研究的參考。這些原則主要基于其過去的研究發現和觀察結果。

吳說：“我們認為，我們提出的協同設計工具是我們研究中最重要的部分。” “在實際的神經啟發式計算芯片設計中，如果沒有這種協同設計工具，就很難獲得高性能的芯片。例如，可用作突觸存儲器的非易失性存儲器(NVM)設備通常具有固有的內在特性。非理想狀態和這些非理想狀態會降低芯片的性能，但是要降低器件級別的非理想狀態，需要付出很多努力，而且我們無法完全消除它們，因此我們的協同設計工具可以幫助優化芯片的性能不僅在設備級，而且在電路或系統級。”

他們的評論文件最終可以作為試圖開發受大腦啟發的芯片的工程師的總體路線圖。同時，Wu和他的同事正計劃制定其他指南，以加快和促進人工智能(AI)和神經啟發性電子學領域的研究。

Wu說：“在我們未來的研究中，我們可以將設計神經啟發性計算芯片分為兩部分。” “在設備制造和技術集成部分，我們將優化設備性能，制造新的神經啟發性設備，并探索三維神經啟發性計算芯片。另一方面，在芯片和系統部分，我們將開發共同設計工具并設計通用的神經啟發計算芯片，尤其是基于NVM的內存計算芯片。”