事实线路，东谈主工智能 (AI) 和机器学习器具在处理需要分析数据并作念出准确瞻望的多样任务方面很是有用。尽管这些器具具有诸多上风人妖 丝袜，但它们对计较的需求很大，而且在现存处理单位上开动时会阔绰精深动力。

北京大学和中国其他商榷所的商榷东谈主员最近设备出一种基于碳纳米管的张量处理单位 (TPU)，该单位长进十分光明，可用于以更节能的方式开动 AI 算法。《当然电子学》杂志发表的一篇论文先容了这种基于碳纳米管的张量处理芯片，这可能是设备下一代芯片谈路上的一项关键破损。

“咱们得手研发出大家首款基于碳纳米管的张量处理器芯片（TPU），”论文共同作家张志勇（音译）告诉Tech Xplore。“咱们受到了谷歌TPU和AI运用快速发展的启发。从ChatGPT到Sora，东谈主工智能正在迎来一场新的创新，但传统的硅基半导体时代越来越无法兴隆海量数据的处理需求。面临这一大家挑战，咱们找到了贬责决议。”

在计较机科学中，减弱阵列是一种处理器集合，不错有节拍地计较数据并允许数据解放通过，访佛于血液在东谈主体中的流动方式。张和他的共事设备了一种新的高效减弱阵列架构，使用碳纳米管晶体管，场效应晶体管 (FET)，其通谈由碳纳米不休成，而不是传统的半导体。基于他们设备的这种新架构，他们创造了迄今为止报谈的寰球上第一个基于碳纳米管的 TPU。

“该芯片由 3,000 个碳纳米管 场效应晶体管组成，以 3*3 处理单位 (PE) 的形貌组织起来，”张教学解释谈。“这 9 个 PE 组成一个脉动阵列架构人妖 丝袜，不错并行实施两位整数卷积和矩阵乘法运算。”

张和他的共事提议的紧耦合架构扶直减弱输入数据的流动。通过该架构的数据流动减少了静态随即存取存储器 (SRAM) 组件的读写操作，从而显贵节俭了动力。

“每个 PE 都从其上游邻居（上和左）采取数据，孤独计较其里面的部分适度，并将其传递到下流（右和下），”张说。“每个 PE 都联想用于 2 位 MAC 和有秀气和无秀气整数的矩阵乘法。都集减弱数据流，CNT TPU 不错加快 NN 运用中的卷积运算。”

该团队提议的系统架构过程全心联想，可加快东谈主工神经集合实施的张量运算，搪塞在整数卷积和矩阵乘法之间切换。他们基于此架构设备的张量处理芯片可能成为基于低维电子学的新式高性能集成电路设备的病笃里程碑。

“基于咱们的碳基张量处理器芯片，咱们构建了一个五层的卷积神经集合，不错实施图像识别任务，准确率高达88%，功耗仅为295μW，这是统统新式卷积加快硬件时代中功耗最低的。”张教学说。

“系统模拟适度标明，给与180纳米时代节点的碳基晶体管频率不错达到850MHz，能效逾越1TOPS/w，比同时代节点的其他器件时代具有赫然上风。”

总体而言，商榷东谈主员进行的初步模拟和测试适度突显了碳基 TPU 的后劲，标明它可能很是适合开动基于机器学习的计较模子。改日，他们的芯片不错比现存的基于半导体的建造阐扬出更大的计较智力，而且更节能。

该商榷团队的勤奋最终将有助于加快卷积神经集合的开动，同期缩小其功耗。与此同期，张和他的共事联想进一步进步芯片的性能、能效和可蔓延性。

张补充谈：“举例，不错通过使用枚举整都的半导体 CNT 看成通谈材料、减小晶体管尺寸、加多 PE 的位数或竣事 CMOS 逻辑等方式进一步进步这种措施的性能和动力效果。”

“CNT TPU 还可能在硅晶圆厂的 BEOL 中制造，以竣事三维集成：即底部是硅 CPU人妖 丝袜，顶部是 CNT TPU 看成协处理器。此外，不错商榷多层 CNT FET 的 3D 单片集成，以获取缩小延伸和加多带宽的潜在上风。”