昂贵LLM的救星？Nature新研究提出新型忆阻器，比Haswell CPU高效460倍

今日应用

cc0图片网

CC0.CN / CC零图片网，可用于商业用途的免费图片素材聚合。CC0.CN上的图片均可用在个人及商业用途的项目中。例如：网站、自媒体等应用配图，广告及宣传册印刷设计等均可免费使用，免除版权困扰...

今日话题

昂贵LLM的救星？Nature新研究提出新型忆阻器，比Haswell CPU高效460倍

 

重点标签 忆阻器、硬件提升、AI成本、矩阵运算、功耗降低

文章摘要

在近期的科技进展中，忆阻器的研究和应用成为了降低大型语言模型（LLM）使用成本的关键方向之一。忆阻器，作为与电阻器、电容器、电感并列的基础电子元件，因其非易失性特性而备受关注。近期，Nature 发布了一篇论文，提出了一种新型的“线性对称的自选择式 14 bit 的动力学分子忆阻器”，其在模拟计算和信噪比方面展现出了显著的性能优势。

该论文的核心贡献在于提出了一种分子忆阻器，它在核心矩阵运算上能实现远超电子器件效率的 14 bit 模拟计算，并且信噪比超过 73 dB，能耗量比电子计算机低 460 倍。这一成果不仅在理论上具有创新性，而且在实际应用中展现出了巨大的潜力。通过构建 64×64 的分子忆阻器交叉开关矩阵，研究团队成功执行了向量-矩阵乘法（VMM）实验，证明了其在非结构化数据处理上的有效性。

此外，研究团队还展示了使用该忆阻器进行矩阵-矩阵乘法运算的能力，这一运算是几乎所有 AI 和机器学习算法的基础。实验结果表明，该忆阻器结构在执行矩阵乘法时的效率远超传统电子计算机，且信噪比达到了 73-79 dB，这是一个非常重大的进步。

这项研究的意义在于，它为 AI 硬件的发展提供了新的方向，有望将 LLM 从高功耗高成本的困境中解脱出来。如果未来 AI 大模型能够运行在基于此类技术开发的硬件上，AI 的使用成本将大幅下降，从而推动 AI 技术的更广泛应用。同时，这也为神经形态计算领域带来了新的突破，为构建更高效、更节能的计算系统提供了可能。

文章来源

原文地址: 点我阅读全文
原文作者: 机器之心