人工智能系统。 通过改变计算的基本属性，普林斯顿大学的研究人员创造了一种专注于人工智能系统的新型计算机芯片，可以大大提高性能，同时降低能耗要求。 该芯片基于内存计算技术，旨在克服处理器需要花费大量时间和精力从内存中获取数据的主要瓶颈，通过直接在内存中进行计算来提高速度和效率。这些芯片使用标准编程语言，在手机、手表或其他依赖高性能计算且电池寿命有限的设备中特别有用。 对于许多应用来说，芯片的节能将与其性能提升一样重要，因为许多人工智能应用将在手机或可穿戴医疗传感器等电池供电的设备上运行，研究人员说。这就是需要可编程性的地方。 经典计算机体系结构将处理数据的中央处理器与存储数据的内存分开，并且计算机的大部分能量都花在来回移动数据上。新芯片考虑在架构层面而非晶体管层面突破摩尔定律的限制。但是创建这样一个系统的挑战是设计尽可能密集的存储电路以打包大量数据。 研究团队通过使用电容器解决了上述问题，电容器可以在比晶体管更密集的空间中计算，并且可以非常精确地制造在芯片上。新设计将电容器与芯片上的传统静态随机存取存储器(SRAM)单元配对。电容器和SRAM的组合用于对模拟（非数字）域中的数据执行计算。该存储电路根据来自芯片中央处理单元的指令执行计算。 实验室测试表明，该芯片的性能比同类芯片快数十至数百倍。研究人员表示，他们已将存储电路集成到可编程处理器架构中。“如果说以前的芯片是强大的引擎，那么新芯片就是整辆车。” 普林斯顿大学开发的新芯片主要用于支持为深度学习推理算法设计的系统，这些算法允许计算机从数据集中学习以做出决策并执行复杂的任务。深度学习系统指导自动驾驶汽车、面部识别系统和医疗诊断软件。
