北大团队用相变存储器实现亚10毫秒神经动力学系统芯片
利用相变存储器的物理漂移和存内计算，将神经动力学系统迭代延迟从数百毫秒降至亚10毫秒，实现高保真三维重建的实时化。
神经动力学系统（NDS）结合神经网络与微分方程求解，在三维表面重建中精度高但速度慢。北大团队用相变存储器的电导漂移特性替代传统步长搜索，并采用存内计算加速神经网络推理，在40纳米芯片上将单次迭代延迟压至2.12毫秒，脑皮层重建相比GPU A100加速50到478倍，功耗降低11.75至24.73倍。
正文摘录
亚10毫秒！北大团队用相变存储器打造神经动力学系统芯片，脑皮层重建速度提升近480倍 - 来源：机器之心 .923.jpg)  一、当神经网络遇上微分方程：一个被忽视的速度瓶颈 如果要给三维物体的表面建模，比如从核磁共振数据中重建大脑皮层的白质、灰质表面，传统方法既要保证几何上的高保真度，又要维持严格的拓扑一致性 —— 曲面不能自相交、不能出现「洞」。近年来，一类被称为神经动力学系统（Neural Dynamical Systems, NDS）的方法，凭借将神经网络嵌入连续时间的微分方程求解过程，在这类任务上展现出远超传统卷积网络和 Transformer 的精度与稳定性。 但 NDS 有一个众所周知的软肋：速度瓶颈。由于每一步计算都需要神经网络反复参与自适应步长的搜索与误差校验，一次完整的迭代往往需要数百毫秒，跑在 GPU、FPGA 甚至专用 ASIC 上都难以突破这一延迟量级。这也是为什么高保真几何重建至今很难做到实时完成。 7 月 2 日发表于《Science》的一项研究给出了新的答案。