核心观点 - 北京大学团队成功研制出一种基于阻变存储器的非负矩阵分解模拟计算芯片，该芯片在计算速度和能效比上相比当前先进数字芯片有数量级提升，为大规模数据处理提供了高效新方案 [1][2] 技术突破与原理 - 该技术针对非负矩阵分解这一核心数据降维技术，旨在解决传统数字硬件在处理百万级规模数据集时面临的计算复杂度和内存瓶颈问题 [1] - 团队采用模拟计算路径，直接利用物理定律实现并行运算，具有延时低、功耗低的先天优势 [1] - 核心创新在于研制了基于阻变存储器的模拟计算求解器，并设计了可重构紧凑型广义逆电路，通过电导补偿原理以最少的计算单元实现相同功能，对核心计算步骤进行优化，实现一步求解，极大优化了芯片面积与能耗 [1] 性能验证结果 - 在图像压缩任务中，与全精度数字计算机结果相比，图片精度损失相差无几，同时节省了一半的存储空间 [2] - 在推荐系统应用中，其预测误差率与数字芯片计算结果高度相近 [2] - 在MovieLens 100k数据集推荐系统训练任务中，与主流可编程数字硬件相比，实现了212倍的速度提升和4.6万倍的能效提升 [2] - 在网飞规模数据集的推荐系统训练任务中，计算速度较先进数字芯片提升约12倍，能效比提升超过228倍 [2] 应用前景与行业影响 - 该技术为非负矩阵分解这类约束优化问题的实时求解开辟了新路径，展现了模拟计算处理现实复杂数据的巨大潜力 [2] - 该研究可为实时推荐系统、高清图像处理、基因数据分析等场景带来技术革新 [2] - 该成果将助力人工智能应用向更高效、更低功耗的方向发展 [2]