AIの大規模モデルや様々な複雑なアルゴリズムが爆発的に進化する中、ハードウェアレベルでのエネルギー効率の課題が顕著になってきている。北京大学人工知能学院の孫仲研究員チームは、高性能計算チップ分野で重要な突破を遂げた。このチームは「非負行列分解（NMF）」専用のアナログ計算チップを開発し、膨大なデータ処理に新たな効率的で低消費電力の手段を提供した。

image.png

「非負行列分解」は画像分析、レコメンデーションシステム、バイオインフォマティクスなどの分野におけるカギとなる技術である。しかし従来のデジタルチップは、大規模なデータをリアルタイムで処理する際、計算複雑度が高く、メモリアクセスが制限される「壁」に直面することが多い。この問題を打破するために、北大のチームはアナログ計算技術の道を選んだ。物理的な法則を直接使って並列演算を行い、根本的な論理構造から遅延と消費電力を低下させた。

実験テストのデータによると、この新しいチップは典型的な応用場面において驚くべき性能を見せている。現在主流の高機能デジタルチップと比較して、計算速度は約12倍228倍

この研究成果は1月19日に国際的なトップジャーナル『Nature Communications』に正式に掲載された。実際にテストした結果、このチップは画像圧縮タスクにおいて高い精度を維持しながら、約半分のストレージスペースを節約した。また商業データセットのレコメンデーションシステムのトレーニングにおいても、従来のハードウェアよりも優れた性能を示した。孫仲研究員は、「この仕事は、現実的な複雑なデータ処理においてアナログ計算の大きな可能性を示しており、今後リアルタイムレコメンデーションやハイド画像処理などの分野で広範囲に応用されることが期待される」と述べた。