1月23日消息，北京大学人工智能学院孙仲研究员团队设计并研制出一款专用于“非负矩阵分解”计算的模拟计算芯片。和当前先进数字芯片相比，计算速度可提升约12倍，能效比提升超过228倍，相关成果已于近日发表于《自然·通讯》。

非负矩阵分解是一种强大的“数据降维”技术，它能从巨量且庞杂的用户行为、图像像素等信息中，提炼出潜在的模式与特征，在图像分析、信息聚类、个性化推荐等领域具有广泛应用。

随着数据规模不断扩大，传统数字硬件在实时处理海量数据时面临计算复杂度高和内存访问瓶颈等挑战。

研究团队一直研究模拟计算。模拟计算直接利用物理定律实现并行运算，延时低、功耗低，在算力瓶颈背景下，具有先天优势。团队此次研制出了基于阻变存储器（RRAM）的非负矩阵分解模拟计算求解器，并创新性设计了一种可重构紧凑型广义逆电路，通过电导补偿原理，用最少的计算单元实现相同运算功能，对非负矩阵分解过程中最核心的计算步骤进行了优化，实现一步求解，极大优化了芯片的面积与能耗表现。

为验证芯片的实际性能，研究团队构建了测试平台。在图像压缩任务中，该芯片在几乎不损失精度的同时，节省了约一半的存储空间。在电影评分数据集和更大规模的商业数据集上进行的推荐系统训练任务中，该芯片均展现出显著优于主流数字硬件的计算速度与能效。