0
  • 聊天消息
  • 系统消息
  • 评论与回复
登录后你可以
  • 下载海量资料
  • 学习在线课程
  • 观看技术视频
  • 写文章/发帖/加入社区
会员中心
创作中心

完善资料让更多小伙伴认识你,还能领取20积分哦,立即完善>

3天内不再提示

Facebook正在研究神经网络芯片的新平台

我快闭嘴 来源:半导体行业观察 作者:半导体行业观察 2020-10-19 14:25 次阅读

Facebook首席AI科学家Yann LeCun日前在法国研究实验室CEA-Leti的创新日上发表讲话时说,因为Nvidia收购ARM,可以加速运行RISC-V以运行用于边缘AI应用的神经网络

他说:“行业发生了变化,采用属于Nvidia的ARM会使人们感到不安,但是RISC-V的出现让人看到具有RISC-V内核和NPU(神经处理单元)芯片的课鞥呢。” 他说:“这些产品价格便宜得令人难以置信,不到10美元,许多产品都在中国以外的地区,它们将无处不在。” “我想知道RISC-V是否会接管那里的世界。”

他不赞成Leti的一项主要计划,该计划致力于刺激神经网络和类似方法(例如电阻RAM(RRAM)),但是卷积神经网络(CNN)的发明者和图灵奖的AI获奖者对此有其他看法。

他说:“模拟实现面临的主要问题是很难将硬件复用与模拟神经网络一起使用。” “当您进行卷积并重用硬件时,您必须进行硬件多路复用,因此必须有一种方法来存储结果,然后需要模拟存储器或ADCDAC转换器,这会扼杀整个想法。因此,除非我们拥有廉价的低功耗模拟内存,否则它将无法正常工作。”他说。“我很怀疑,也许是忆阻器阵列或自旋电子器件,但我有些怀疑。”

他说:“当然,边缘人工智能是一个非常重要的话题。” “在接下来的两到三年中,这将不是奇异的技术,而是要尽可能降低功耗,修剪神经网络,优化权重,关闭未使用的系统部分,” LeCun表示:“我们的目标是在未来两到三年内将相关功能引入到AR设备的芯片,并在五年内使用这种设备,而且这种情况即将到来,”他说。

“十年后的今天,自旋电子学将会取得一些突破,或者在无需硬件多路复用的情况下允许模拟计算的任何突破?” 他问。他说:“我们能提出这样的想法吗?如果没有数据改组和没有硬件多路复用,那么对于单个芯片来说,这样的设备尺寸会大大缩小,这是一个很大的挑战。”

公司正在为下一代芯片开发1nm和2nm技术,我坚信我们可以通过传感器,神经网络和控制器来实现硬件的未来,从而实现不同的发展,”Leti的首席执行官Emmanual Sabonnadiere说道。“我们正在努力制定国家计划,并在政治决策中运用科学。Edge AI旨在阻止数据泛滥和数据隐私,使人们可以拥有自己的数据。”,他接着说。

Leti还是欧洲神经网络计划的一部分,该计划正在研究神经网络芯片的新平台。

CEA-Leti副首席执行官兼首席技术官Jean Rene Lequeypes说:“有新一代技术正在研究中。” “现在,我们有超过2000人致力于下一代技术的研发。他指出,挑战在于集成所有不同的元件,而不必使用5nm及以下所需的极端UV光刻。

Lequeypes说:“我们希望最终性能达到1000TOPS / mW,这是一个很大的挑战,而且如何使用存储器,不同的技术以及如何将它们集成在一起而无需使用EUV。”
责任编辑:tzh

声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表电子发烧友网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。 举报投诉
  • 芯片
    +关注

    关注

    453

    文章

    50387

    浏览量

    421786
  • 存储器
    +关注

    关注

    38

    文章

    7452

    浏览量

    163598
  • AI
    AI
    +关注

    关注

    87

    文章

    30106

    浏览量

    268401
  • 人工智能
    +关注

    关注

    1791

    文章

    46845

    浏览量

    237537
收藏 人收藏

    评论

    相关推荐

    pytorch中有神经网络模型吗

    处理、语音识别等领域取得了显著的成果。PyTorch是一个开源的深度学习框架,由Facebook的AI研究团队开发。它以其易用性、灵活性和高效性而受到广泛欢迎。在PyTorch中,有许多预训练的神经网络模型可供选择,这些模型可以
    的头像 发表于 07-11 09:59 638次阅读

    BP神经网络和人工神经网络的区别

    BP神经网络和人工神经网络(Artificial Neural Networks,简称ANNs)之间的关系与区别,是神经网络领域中一个基础且重要的话题。本文将从定义、结构、算法、应用及未来发展等多个方面,详细阐述BP
    的头像 发表于 07-10 15:20 821次阅读

    rnn是递归神经网络还是循环神经网络

    RNN(Recurrent Neural Network)是循环神经网络,而非递归神经网络。循环神经网络是一种具有时间序列特性的神经网络,能够处理序列数据,具有记忆功能。以下是关于循环
    的头像 发表于 07-05 09:52 491次阅读

    递归神经网络是循环神经网络

    递归神经网络(Recurrent Neural Network,简称RNN)和循环神经网络(Recurrent Neural Network,简称RNN)实际上是同一个概念,只是不同的翻译方式
    的头像 发表于 07-04 14:54 635次阅读

    循环神经网络和卷积神经网络的区别

    循环神经网络(Recurrent Neural Network,RNN)和卷积神经网络(Convolutional Neural Network,CNN)是深度学习领域中两种非常重要的神经网络
    的头像 发表于 07-04 14:24 1119次阅读

    深度神经网络与基本神经网络的区别

    在探讨深度神经网络(Deep Neural Networks, DNNs)与基本神经网络(通常指传统神经网络或前向神经网络)的区别时,我们需要从多个维度进行深入分析。这些维度包括
    的头像 发表于 07-04 13:20 671次阅读

    bp神经网络和反向传播神经网络区别在哪

    神经网络在许多领域都有广泛的应用,如语音识别、图像识别、自然语言处理等。然而,BP神经网络也存在一些问题,如容易陷入局部最优解、训练时间长、对初始权重敏感等。为了解决这些问题,研究者们提出了一些改进的BP
    的头像 发表于 07-04 09:51 383次阅读

    人工智能神经网络芯片的介绍

    人工智能神经网络芯片是一类专门为深度学习和神经网络算法设计的处理器。它们具有高性能、低功耗、可扩展等特点,广泛应用于图像识别、语音识别、自然语言处理等领域。以下是关于人工智能神经网络
    的头像 发表于 07-04 09:33 582次阅读

    神经网络芯片与传统芯片的区别和联系

    引言 随着人工智能技术的快速发展,深度学习算法在图像识别、自然语言处理、语音识别等领域取得了显著的成果。然而,深度学习算法对计算资源的需求非常高,传统的计算芯片已经无法满足其需求。因此,神经网络芯片
    的头像 发表于 07-04 09:31 718次阅读

    神经网络芯片和普通芯片区别

    神经网络芯片和普通芯片的区别是一个复杂而深入的话题,涉及到计算机科学、电子工程、人工智能等多个领域。 定义 神经网络芯片(Neural Ne
    的头像 发表于 07-04 09:30 904次阅读

    反向传播神经网络和bp神经网络的区别

    神经网络在许多领域都有广泛的应用,如语音识别、图像识别、自然语言处理等。然而,BP神经网络也存在一些问题,如容易陷入局部最优解、训练时间长、对初始权重敏感等。为了解决这些问题,研究者们提出了一些改进的BP
    的头像 发表于 07-03 11:00 674次阅读

    bp神经网络是深度神经网络

    Network)有相似之处,但它们之间还是存在一些关键的区别。 一、引言 神经网络是一种模拟人脑神经元结构的计算模型,它由大量的神经元(或称为节点)组成,这些神经元通过权重连接在一起
    的头像 发表于 07-03 10:14 683次阅读

    bp神经网络和卷积神经网络区别是什么

    BP神经网络(Backpropagation Neural Network)和卷积神经网络(Convolutional Neural Network,简称CNN)是两种不同类型的人工神经网络,它们在
    的头像 发表于 07-03 10:12 1010次阅读

    卷积神经网络和bp神经网络的区别

    卷积神经网络(Convolutional Neural Networks,简称CNN)和BP神经网络(Backpropagation Neural Networks,简称BPNN)是两种
    的头像 发表于 07-02 14:24 2897次阅读

    详解深度学习、神经网络与卷积神经网络的应用

    处理技术也可以通过深度学习来获得更优异的效果,比如去噪、超分辨率和跟踪算法等。为了跟上时代的步伐,必须对深度学习与神经网络技术有所学习和研究。本文将介绍深度学习技术、神经网络与卷积神经网络
    的头像 发表于 01-11 10:51 1902次阅读
    详解深度学习、<b class='flag-5'>神经网络</b>与卷积<b class='flag-5'>神经网络</b>的应用