筆者最近從Mark Reiten（SST授權部門的副總裁）處了解到該公司的SuperFlash memBrain技術，這是一種革命性的新型模擬技術，用于執(zhí)行當今人工智能(AL)、機器學習(ML)和深度學習(DL)算法中的矩陣運算。

SuperFlash memBrain是一種神經(jīng)形態(tài)多層次非易失性內(nèi)存(non-volatile memory,簡稱NVM)解決方案，使用SST的標準SuperFlash存儲單元，為AI、ML和DL應用提供內(nèi)存計算架構。SuperFlash存儲單元已在多個半導體工廠投入生產(chǎn)。

據(jù)維基百科介紹，“神經(jīng)工程，也被稱為神經(jīng)計算，是使用包含電子模擬電路的超大規(guī)模集成系統(tǒng)來模擬神經(jīng)系統(tǒng)中存在的神經(jīng)生物結構。神經(jīng)計算機/芯片是使用物理人工神經(jīng)元(由硅制成)進行計算的設備?！?/p>

眾所周知，人類大腦是由神經(jīng)元細胞形成的，神經(jīng)元通過突觸相互交流。一個典型的閃存單元基于一個浮動柵晶體管，可以用來表示數(shù)字0或1；相比之下，一個SuperFlash memBrain記憶體可以用來表示256個不同的值，用于代表人工神經(jīng)網(wǎng)絡(artificial neural network ,簡稱ANN)中與“突觸”相關的“權重”。

AI / ML / DL應用使用了大量的矩陣乘法運算，這些運算本身使用了乘積(MAC)運算。考慮一個2×2數(shù)組的簡單例子，包含四個基本單元：

我們可以把SuperFlash memBrain記憶體想象成一個可編程的電阻。根據(jù)歐姆定律，V = IR，所以I(流過電池的電流)= V/R。電阻(R)的倒數(shù)是電導(G);即G = 1/R。這意味著I = V * G（乘法運算）。此外，同一列中每個單元的電流是累加的（加法運算）。因此，每個記憶體可以被認為是執(zhí)行突觸的功能，每一列可以被認為是執(zhí)行神經(jīng)元的功能。

該層次結構再往上一層是memBrain塊，它是包含上述記憶體的一大數(shù)組，并對輸入和輸出進行適當信號調(diào)節(jié)。

與標準的數(shù)字嵌入式Flash存儲器相比，該陣列的輸入和輸出范圍要寬得多。權重首先作為電導值存儲在memBrain數(shù)組中，當被灌入輸入電壓時，SuperFlash memBrain單元既存儲權重，同時執(zhí)行乘法操作，產(chǎn)生的電流相累加，數(shù)百萬個MAC操作可以同時執(zhí)行。需要注意的關鍵點是，其性能和功耗比優(yōu)化的數(shù)字解決方案要好幾個數(shù)量級。

SST的這一技術令人振奮的原因在于，SoC設備可以在設計中以IP形式使用SuperFlash memBrain。根據(jù)Microchip今年早些時候發(fā)布的新聞稿，一家名為WITINMEM的公司已經(jīng)將SuperFlash memBrain技術整合到超低功耗的SoC中，充分利用這種內(nèi)存計算技術進行神經(jīng)網(wǎng)絡處理，包括語音識別、聲紋識別、深度語音降噪、場景檢測和健康狀態(tài)監(jiān)測等。

審核編輯 ：李倩