东京大学工业科学研究所的研究人员设计并制造了特殊的计算机硬件，这些硬件由成堆的存储模块组成，以三维螺旋排列，用于人工智能应用。这项研究可能会为下一代节能人工智能设备开辟道路。
机器学习是一种人工智能，通过它用样本数据训练计算机来预测新的实例。例如，像Alexa这样的智能说话人算法可以学习理解你的语音命令，因此即使是你的第一个请求，它也可以理解你。然而，人工智能往往需要大量的电能来训练，这引起了人们对日益加剧的气候变化的关注。
现在，东京大学工业科学研究所的科学家开发了一种新颖的设计，将电阻随机存取存储器模块和氧化物半导体(IGZO)存取晶体管堆叠成三维螺旋。将片上非易失性存储器放在处理器附近，可以使机器学习和训练过程更快，节省能源。这是因为电信号的传播距离比传统计算机硬件短得多。堆叠多层电路是一个自然的步骤，因为训练算法通常需要同时并行执行许多操作。
“对于这些应用，每一层的输出通常连接到下一层的输入。我们的架构大大减少了对互连布线的需求，”第一作者吴记选说。
通过实施二元神经网络系统，团队可以使设备更加节能。参数不允许是任何数字，但限于1或-1。这不仅大大简化了使用的硬件，还减少了必须存储的数据量。他们使用人工智能中的一项常见任务来测试该设备并解释手写数字数据库。科学家表明，增加每个电路层的尺寸可以提高算法的精度，最大可以达到90%左右。
资深作者小林正春解释说：“在AI越来越融入日常生活的情况下，为了保持低能耗，我们需要更专业的硬件来有效处理这些任务。”
这项工作是迈向“物联网”的重要一步，在物联网中，许多具有AI功能的小设备作为集成“智能家居”的一部分进行通信。
该研究已在2020年超大规模集成电路技术研讨会上发表。
