新闻

2019年5月17日, 来自阿里巴巴达摩院的段立德博士来到实验室访问,并作了题为“Processing Near or In Memory for Deep Learning”的报告。报告分为两部分,第一部分主要介绍了阿里巴巴达摩院的研究方向,第二部分主要介绍了现在提出的一些非易失性存储,并分析了这些存储与PIM等技术结合后做深度学习的可行性。

诸如深度学习之类的新兴应用是高度内存密集型的,使得内存成为当前计算机系统中的性能和能量效率的瓶颈。传统的基于DRAM的内存在改进延迟和可扩展性方面面临着严峻的挑战。因此,已经提出了多种计算机体系结构技术来克服这种“内存墙”。首先,非易失性存储器(NVM)正被用于取代DRAM以实现低空闲功率和长数据保持时间。其次,PNM或PIM将计算逻辑放置在主存储器附近或内部,以减少代价高昂的数据移动。第三,3D堆叠垂直堆叠多个存储器和逻辑管芯以提高存储器容量,为芯片设计提供了新的可扩展性。在本次演讲中,将推出一种新的3D堆叠处理NVM框架,该框架极大地提高了NN处理吞吐量和3D感知模型映射和数据流管理。

老师和同学们对这一报告有很大的兴趣,现场气氛活跃,就很多问题展开了热烈的讨论。