清华大学研制出首个全模拟光电智能计算芯片 性能领先商用产品3000倍

清华大学研制出首个全模拟光电智能计算芯片性能领先商用产品3000倍结合基于电磁波空间传播的光计算，与基于基尔霍夫定律的全模拟电子计算，在一枚芯片上突破了大规模计算单元集成、高效非线性、高速光电接口三个国际难题。在保证高任务性能的同时，实现了超高的计算能效和计算速度。为了确保实验数据的可靠性，攻关团队进行了大规模的实测和验证。首次将端到端跨层协同技术应用到智能视觉交互上，运用等效算力，对能效性能和时延数据进行了精准评估。光电计算芯片ACCEL的计算原理和芯片架构ACCEL共有三大优势：一、超高性能实测表现下，ACCEL芯片的系统级算力达到现有高性能芯片的3000倍。如果用交通工具的时间来类比芯片中信息流计算，那么这枚芯片的出现，相当于将8小时的京广高铁缩短到了8秒钟。二、超低功耗系统级能效为74.8Peta-OPS/W，较现有的高性能GPU、TPU等计算架构，提升了400万倍。形象来说，原本供现有芯片工作1小时的电量，可供它工作500多年。三、超低成本光电融合芯片的光学部分的加工最小线宽仅采用百纳米级，电路部分仅采用180nmCMOS工艺，已取得比7nm制程的高性能芯片多个数量级的性能提升。同时所使用的材料简单易得，造价仅为后者的几十分之一。...PC版：https://www.cnbeta.com.tw/articles/soft/1394375.htm手机版：https://m.cnbeta.com.tw/view/1394375.htm

清华大学成功研发光电模拟芯片：摆脱摩尔定律 能效提升超400万倍

清华大学成功研发光电模拟芯片：摆脱摩尔定律能效提升超400万倍但是随着晶体管尺寸逐渐接近物理极限，近十年内摩尔定律已放缓甚至面临失效。此次清华大学研发的光电模拟芯片，也为摆脱摩尔定律指明了新的方向。据介绍，在光电模拟芯片这一枚芯片上便突破了大规模计算单元集成、高效非线性、高速光电接口三个国际难题。根据官方的实测，光电融合芯片的系统级算力较现有的高性能芯片架构提升了3000余倍，以交通工具来类比的话，相当于将京广高铁8小时的运行时间缩短到了8秒钟。不仅如此，该芯片的系统级能效实测达到了74.8Peta-OPS/W，是现有高性能芯片的400万余倍，相当于原本供现有芯片工作一小时的电量，可供它工作500多年。此外，该芯片光学部分的加工最小线宽仅采用百纳米级，而电路部分仅采用180nmCMOS工艺，就已取得比7纳米制程的高性能芯片多个数量级的性能提升。论文通讯作者之一戴琼海院士介绍道：“开发出人工智能时代的全新计算架构是一座高峰，而将新架构真正落地到现实生活，解决国计民生的重大需求，是更重要的攻关，也是我们的责任。”...PC版：https://www.cnbeta.com.tw/articles/soft/1393187.htm手机版：https://m.cnbeta.com.tw/view/1393187.htm

清华大学获芯片领域重要突破

清华大学获芯片领域重要突破记者11日从清华大学获悉，针对大规模光电智能计算难题，清华大学电子工程系副教授方璐课题组、自动化系戴琼海院士课题组，摒弃传统电子深度计算范式，另辟蹊径，首创分布式广度光计算架构，研制大规模干涉-衍射异构集成芯片太极（Taichi），实现160TOPS/W的通用智能计算。在如今大模型通用人工智能蓬勃发展的时代，该科研成果以光子之道，为高性能算力探索新灵感、新架构、新路径。相关科研成果发表于最新一期的国际期刊《科学》。（科技日报）

AMD CEO 认为计算机领域的下一个最重要挑战是能效

AMDCEO苏姿丰（LisaSu）在IEEEISSCC会议上指出，未来十年计算机领域的最重要挑战将是能效。摩尔定律预测的芯片性能增长速度虽然放缓了，但今天的芯片计算能力仍然能每两年半翻一番，超算翻倍所需的时间更短。然而计算机的能效并没有跟上这一步伐，十年后未来的超算可能需要多达500兆瓦的电力。她说，没人真正知道如何实现下一个运算千倍增长的zetta级超算，这必定需要全面的改进效率，不仅包括改进芯片的能效，还需要高效的芯片间通信和低功耗的内存访问。苏姿丰谈论了AMD在数据中心APUMI300上采取的改进能效的众多措施。()投稿：@ZaiHuabot频道：@TestFlightCN

清华大学研究超高速光电模拟芯片：“挣脱”摩尔定律，算力提升 3000 倍

清华大学研究超高速光电模拟芯片：“挣脱”摩尔定律，算力提升3000倍清华大学自动化系戴琼海院士、吴嘉敏助理教授与电子工程系方璐副教授、乔飞副研究员联合攻关，提出了一种“挣脱”摩尔定律的全新计算架构：光电模拟芯片，算力达到目前高性能商用芯片的3000余倍。相关成果以“高速视觉任务中的纯模拟光电芯片”（All-analogphoto-electronicchipforhigh-speedvisiontasks）为题，以（article）形式发表在《自然》（Nature）期刊上。如果用交通工具的运行时间来类比芯片中信息流计算的时间，那么这枚芯片的出现，相当于将京广高铁8小时的运行时间缩短到8秒钟。在这枚小小的芯片中，清华大学攻关团队创造性地提出了光电深度融合的计算框架。从最本质的物理原理出发，结合了基于电磁波空间传播的光计算，与基于基尔霍夫定律的纯模拟电子计算，“挣脱”传统芯片架构中数据转换速度、精度与功耗相互制约的物理瓶颈，在一枚芯片上突破大规模计算单元集成、高效非线性、高速光电接口三个国际难题。实测表现下，光电融合芯片的系统级算力较现有的高性能芯片架构提升了数千倍。然而，如此惊人的算力，还只是这枚芯片诸多优势的其中之一。在研发团队演示的智能视觉任务和交通场景计算中，光电融合芯片的系统级能效（单位能量可进行的运算数）实测达到了74.8Peta-OPS/W，是现有高性能芯片的400万余倍。形象地说，原本供现有芯片工作一小时的电量，可供它工作500多年。——

清华大学研制出全球首颗“机器学习能在硬件端直接完成”的芯片

清华大学研制出全球首颗“机器学习能在硬件端直接完成”的芯片近日，清华大学集成电路学院教授吴华强、副教授高滨团队基于存算一体计算范式，研制出全球首颗全系统集成的、支持高效片上学习（机器学习能在硬件端直接完成）的忆阻器存算一体芯片，在支持片上学习的忆阻器存算一体芯片领域取得重大突破，有望促进人工智能、自动驾驶可穿戴设备等领域发展。该芯片包含支持完整片上学习所必需的全部电路模块，成功完成图像分类、语音识别和控制任务等多种片上增量学习功能验证，展示出高适应性、高能效、高通用性、高准确率等特点，有效强化智能设备在实际应用场景下的学习适应能力。相同任务下，该芯片实现片上学习的能耗仅为先进工艺下专用集成电路（ASIC）系统的3%，展现出卓越的能效优势，极具满足人工智能时代高算力需求的应用潜力，为突破冯·诺依曼传统计算架构下的能效瓶颈提供了一种创新发展路径。