香港大學(簡稱「港大」)4日公布，港大研究團隊成功研製出一款新型模擬內容尋址存儲器(CAM)。該芯片採用極簡架構，可直接在存儲數據的位置進行複雜搜索。在執行漢明距離計算任務時，其處理速度比標準中央處理器(CPU)快約1億倍，並在多個數據集測試中獲得極高準確率。
在人工智能與大數據時代，傳統計算機硬件存在內存與處理器之間數據傳輸緩慢且高耗能的問題，業界稱之為「馮·諾依曼瓶頸」(Von Neumann bottleneck)。針對上述問題，港大工程學院電機與計算機工程系與先進半導體與集成電路中心李燦教授團隊利用二維二硫化鉬閃存，設計研發內容尋址存儲器，可在單個步驟中同時將輸入的搜索數據與所有存儲數據進行比對。
相較於需要16個晶體管的傳統CAM單元，團隊設計的極簡架構模擬CAM僅需2個晶體管即可構建一個單元。這不僅減小晶片面積，亦使其能夠直接處理更接近真實世界的連續模擬信號，提升信息存儲密度。此外，為克服將二維材料連接到電路時限制電子流動的「肖特基勢壘」，研究團隊使用半金屬銻(Sb)作為接觸電極，成功創造一條電阻極低的通道。
李燦表示，作為大語言模型基礎的「注意力機制」，本質上是從壓縮的知識庫中提取信息的搜索過程。目前團隊正在探索如何利用高性能硬件，來實現大型AI模型的搜索機制。儘管大規模商業化生產新型芯片仍需克服封裝方面的工程挑戰，但這項研究為下一代高效能、低功耗AI硬件提供了清晰的發展藍圖。
目前該項研究已在國際頂級學術期刊《自然·納米技術》(Nature Nanotechnology)上發表。
（來源：中新社）
責任編輯： 之袁
贵公网安备52011302005168号