非负矩阵分解是挖掘高维数据潜在结构的核心技术，广泛应用于推荐系统、生物信息学、图像处理等多个领域。北京大学人工智能学院孙仲研究员团队瞄准这一技术，设计了一种模拟计算芯片，为大规模数据处理提供了全新高效方案。 和当前先进数字芯片相比，计算速度可提升约12倍，能效比提升超过228倍，相关成果已于近日发表于《自然·通讯》。

团队此次研制出了基于阻变存储器（RRAM）的非负矩阵分解模拟计算求解器，并创新性设计了一种可重构紧凑型广义逆电路，通过电导补偿原理，用最少的计算单元实现相同运算功能，对非负矩阵分解过程中最核心的计算步骤进行了优化，实现一步求解，极大优化了 芯片的面积与能耗表现。

为验证芯片性能，研究团队搭建了测试平台，在典型场景中进行验证。在图像压缩任务中，和在全精度数字计算机上运行的结果相比，图片精度损失相差无几，还节省了一半的存储空间；在推荐系统应用中，其预测误差率和数字芯片计算结果高度相近。在网飞（Netflix）规模数据集的推荐系统训练任务中，其计算速度较先进数字芯片提升约12倍，而能效比提升超过228倍。

孙仲表示，该研究可为实时推荐系统、高清图像处理、基因数据分析等场景带来技术革新，助力人工智能应用向更高效、更低功耗方向发展。

来 源：科技日报

责任编辑：黄林萱

一 审：方守锐 陈元泉

二 审：王怀宇

每天阅读10分钟

内容有趣又轻松

关注宁德市科协

你的科普小百科