顶点小说网

第 1 节 模拟计算（第1页）

（）

计算机的世界是由0和1组成的数字世界，而真实的大自然是模拟（Analog）世界。人类生活的这个模拟世界中，声音、光照、压力、温度等都是连续变量，如果要用AI系统对此进行分析，需要使用大量的传感器。在一些科学家的未来愿景中，人类居住的房间里可能会放置大量传感器，以便由AI来控制房间的清洁度、温度、光照、湿度、空气质量等指标，甚至每一个人的身体上都会安装大量传感器，以便控制和量化人体的各项健康指标。

传统的模拟架构将模拟信号转换成信噪比尽可能高的数字表示形式（见图6.1），以便使用计算机进行计算和处理。传统的模拟系统设计都是按这个思路展开的，无论是温度、湿度、亮度等从自然界所感知的模拟信号，还是麦克风、图像传感器或用于无线通信的天线接收到的模拟信号，都经过低噪声放大器（LowNoiseAmplifier，LNA）的处理和放大，再通过模数转换器（Analog-to-DigitalConverter，ADC）转换成数字信号，然后进入数字信号处理，如进行DNN运算。

图6.1传统的模拟架构及数字转换

模数转换器和数模转换器（Digital-to-AnalogConverter，DAC）的加入，带来了信息损耗、功率消耗及时延问题（见图6.2）。不管是物联网还是大数据分析应用中，都会出现这些问题。

图6.2模拟世界与数字世界之间的转换

智能时代需要能够快速处理大量传感器数据的AI处理系统：它的速度将远远超过当今的数字计算机，功耗也将远远低于数字计算机。为了使这样的愿景成为现实，很可能需要重启许多在当今数字计算时代已被淘汰的模拟计算技术，尤其是在AI芯片中使用模拟计算技术。这样的计算一般不需要ADC、DAC或把ADC往电路后级推移，而是把深度学习算法运算放在模拟域完成，只有一小部分信号需要进行数字处理，如图6.3所示。这样的架构也往往被传感器内计算（InSensorComputing）采用。与图6.1比较可以看到，深度学习AI处理移到了ADC模块的前面。深度学习采用模拟计算，可以大大提高能效。初创公司Aspinity就是按照这种架构实现了「以神经系统来感知」的超低功耗AI芯片。

图6.3深度学习放在模拟域处理可大大提高能效

模拟计算系统可以分为以下两种：

（1）全部用MOS模拟电路来实现的模拟计算系统；

（2）使用新型NVM器件（如RRAM）的模拟性能来实现深度学习AI芯片或类脑芯片。

第一种是全模拟计算芯片，有少数大学研究人员正在研究，也已有了一定成果，但挑战仍然很大。第二种已经有了不少令人鼓舞的成果，在产业界也受到了高度重视。模拟计算在近几年已经逐渐成为产业界和学术界，包括AI初创公司的一个研发热点。?备案号:YXX1JrPNEGGTyDoylMueOLr

（）

计算机的世界是由0和1组成的数字世界，而真实的大自然是模拟（Analog）世界。人类生活的这个模拟世界中，声音、光照、压力、温度等都是连续变量，如果要用AI系统对此进行分析，需要使用大量的传感器。在一些科学家的未来愿景中，人类居住的房间里可能会放置大量传感器，以便由AI来控制房间的清洁度、温度、光照、湿度、空气质量等指标，甚至每一个人的身体上都会安装大量传感器，以便控制和量化人体的各项健康指标。

传统的模拟架构将模拟信号转换成信噪比尽可能高的数字表示形式（见图6.1），以便使用计算机进行计算和处理。传统的模拟系统设计都是按这个思路展开的，无论是温度、湿度、亮度等从自然界所感知的模拟信号，还是麦克风、图像传感器或用于无线通信的天线接收到的模拟信号，都经过低噪声放大器（LowNoiseAmplifier，LNA）的处理和放大，再通过模数转换器（Analog-to-DigitalConverter，ADC）转换成数字信号，然后进入数字信号处理，如进行DNN运算。

图6.1传统的模拟架构及数字转换

模数转换器和数模转换器（Digital-to-AnalogConverter，DAC）的加入，带来了信息损耗、功率消耗及时延问题（见图6.2）。不管是物联网还是大数据分析应用中，都会出现这些问题。

图6.2模拟世界与数字世界之间的转换

智能时代需要能够快速处理大量传感器数据的AI处理系统：它的速度将远远超过当今的数字计算机，功耗也将远远低于数字计算机。为了使这样的愿景成为现实，很可能需要重启许多在当今数字计算时代已被淘汰的模拟计算技术，尤其是在AI芯片中使用模拟计算技术。这样的计算一般不需要ADC、DAC或把ADC往电路后级推移，而是把深度学习算法运算放在模拟域完成，只有一小部分信号需要进行数字处理，如图6.3所示。这样的架构也往往被传感器内计算（InSensorComputing）采用。与图6.1比较可以看到，深度学习AI处理移到了ADC模块的前面。深度学习采用模拟计算，可以大大提高能效。初创公司Aspinity就是按照这种架构实现了「以神经系统来感知」的超低功耗AI芯片。

图6.3深度学习放在模拟域处理可大大提高能效

模拟计算系统可以分为以下两种：

（1）全部用MOS模拟电路来实现的模拟计算系统；

（2）使用新型NVM器件（如RRAM）的模拟性能来实现深度学习AI芯片或类脑芯片。

第一种是全模拟计算芯片，有少数大学研究人员正在研究，也已有了一定成果，但挑战仍然很大。第二种已经有了不少令人鼓舞的成果，在产业界也受到了高度重视。模拟计算在近几年已经逐渐成为产业界和学术界，包括AI初创公司的一个研发热点。?备案号:YXX1JrPNEGGTyDoylMueOLr

请勿开启浏览器阅读模式，否则将导致章节内容缺失及无法阅读下一章。

相邻推荐:未来旅行家：跨越时空的科幻故事集  邂逅「诗和远方」：打开浪漫诗人的诗词世界  2021 智能手机选购指南：看懂市场，做聪明的购机人  全世界都在砸钱养我  二级建造师考试全攻略：从行业政策、备考规划到注册执业  怪谈文学奖：现代都市恐怖病系列  论文查重降重攻略：学术论文重复问题剖析  仙君他貌美如花  忘记我姓名  白色球鞋：他爱你的一百件小事  杀死女神  2021 平板电脑推荐与选购：高效选品方法论  霍总，夫人的十个哥哥又来催离婚了  大话西方艺术史：艺术原来这么有趣  我家院子可以去大明  繁华之间：名利场上的一夜沉浮  古风甜饼，一生一世的赏味期限  有仙气：听说有神动凡心  九秘神针：君临天下  就怕小偷有文化：金融诈骗、空中抢劫与艺术品犯罪