英特尔最近描述了其与转换计算体验有关的芯片研究，重点是在系统边缘，核心和端点上运行的数据。

英特尔实验室英特尔研究员兼电路技术研究总监Vivek De表示，新方法将成为英特尔将其重点从硬件和程序转移到数据和信息的一种手段。这要求更高的能源效率和对已生成数据的设备(例如图像传感器)的高度处理。

该研究的主要目标是确保一种有效的计算技术，重点是视频分析，机器视觉，增强现实和机器人技术等多种应用。它必须克服各种端点和其他位置所面临的带宽，功率和内存限制。

据报道，这项研究的很少发现可以在新芯片的生产过程中采用。2020年VLSI技术与电路研讨会上宣布了英特尔博客中涵盖的研究论文演讲。

该公司的11名研究人员在技术论文中展示了基于鳍式场效应晶体管(FinFET)互补金属氧化物的10纳米设计的全数字BNN(二进制神经网络)加速器芯片的应用-半导体(CMOS)。传统上，在某些功率受限的边缘设备中，BNN已成为模拟设备。但是，与数字加速器相比，BNN模拟在进行预测时准确性较低，并且容忍度较低。

在研究论文中，英特尔通过数字方式提供了类似于模拟内存的能源效率。它还为高级处理提供了增强的规模。通过使用CNM(计算近内存)，内部乘积计算和近阈值电压操作，每瓦617 TOPS(每秒万亿次操作)达到了能源效率。

其中一篇研究论文包括用于AI，ML和深度学习应用程序的本地内存带宽加倍。该研究论文还包括一种减少基于深度学习的视频流分析所需的功能的方法，包括如何将芯片与新算法一起采用来处理视觉输入。

版权说明： 本文版权归原作者所有，转载文章仅为传播更多信息之目的，如作者信息标记有误，请第一时间联系我们修改或删除，多谢。

标签：