![点击分享此内容可以赚币 分享](/master/images/share_but.png)
“新一代智能硬件技术”研究生课程的教学探索.pdf
《“新一代智能硬件技术”研究生课程的教学探索.pdf》由会员分享,可在线阅读,更多相关《“新一代智能硬件技术”研究生课程的教学探索.pdf(4页珍藏版)》请在咨信网上搜索。
1、2023年第19期总第595期No.19,2023Sum No.595Journal of Science and Education硕士研究生教育是为国家培养具有较强创新能力与科研攻关人才的重要途径。硕士研究生课程既需要巩固研究生相关领域的基础知识,也需要开阔研究生的视野与思路,使研究生掌握最新技术的发展现状与趋势。因此,研究生课程要设置对应的科目,使相关领域学生能够通过课程接触更加广泛前沿的知识,培养学生的科研思路与学科交叉能力。1 课程意义和教学目标1.1 课程意义近几年,人工智能领域的相关技术受到越来越多的关注,党中央也把人工智能相关产业的发展作为一项国家战略。美国OpenAI公司研发
2、的智能聊天软件ChatGPT,以其强大的理解与交互能力、拟人化的沟通交流方式、更加精确合理的输出结果,将人工智能领域的研究推上一个高潮。人工智能的发展不但得益于相关软件算法的革新,还得益于相关硬件技术的不断发展。人工智能硬件技术是推动人工智能发展的核心动力之一。当前的人工智能硬件基本都是基于CMOS技术,且以现有的计算机硬件架构冯 诺依曼架构为依托,实现对应的数据处理。但目前CMOS晶体管的性能难以有效提升,同时冯 诺依曼架构的瓶颈也限制了计算机数据处理能效的提高。因此,亟须探索新一代人工智能数据处理硬件来破除现有智能硬件遇到的困境。目前,美国把控着基于CMOS的人工智能硬件制造行业,不断对我
3、国进行“卡脖子”封锁。因此,我们要抓住智能硬件技术革新的浪潮,积极投入新一代智能硬件技术研究,在这一领域抢占先机,实现弯道超车,破除当前智能硬件技术持续被“卡脖子”的局面。“新一代智能硬件技术”课程可以使相关领域研究生了解人工智能硬件技术的现状与发展,开阔“新一代智能硬件技术”研究生课程的教学探索杨 乐(武汉工程大学电气信息学院 湖北 武汉 430000)摘要:硕士研究生课程是硕士研究生培养环节中的重要一环。开设“新一代智能硬件技术”课程可以使学生理解人工智能领域的相关知识,领悟学科交叉的科研思路,培养学生知识融合与学科交叉的能力。“新一代智能硬件技术”课程介绍了人工智能的发展及相应的理论方法
4、,阐述了研究新一代智能硬件技术的意义,聚焦新兴的忆阻电路设计领域,阐明新一代的忆阻存算一体硬件架构,以及忆阻人工神经网络、忆阻类脑神经网络的实现。“新一代智能硬件技术”课程通过使用案例式教学、科研反哺教学的方式,将课程内容趣味性地、有条理地讲授给学生。同时,采用翻转课堂的方式检验学习效果。关键词:忆阻神经网络;研究生课程;新一代硬件技术;人工智能;忆阻器中图分类号:G643 文献标识码:A DOI:10.16871/ki.kjwh.2023.19.026基金项目:国家自然科学基金“基于忆阻的类脑可重构神经形态电路分析与设计”(62106181);湖北省教育厅科学研究计划指导性项目“基于忆阻的长
5、短时记忆神经网络电路设计及其在语音识别中的应用”(B2022058);武汉工程大学科学基金“忆阻类脑可重构神经形态系统的电路设计”(K202017)。作者简介:杨乐(1988),男,博士,讲师,研究方向为新一代信息技术。101研究生的科研视野,丰富研究生的知识领域。课程讲解可以使学生掌握人工智能数据处理的特点以及硬件处理数据的方法,启发研究生在学科交叉方面进行探索,还可以激励研究生未来瞄准“卡脖子”领域开展研究。1.2 课程教学目标使相关领域研究生理解人工智能的发展历程,人工智能、深度学习所使用的基本理论与算法,以及硬件技术在人工智能发展过程中占据的重要地位;理解当前人工智能硬件技术遇到的问题
6、和发展新一代智能硬件技术的迫切性;理解忆阻器实现存算一体化的原理,掌握忆阻交叉阵列完成矩阵运算的电路原理与运行基础;掌握忆阻人工神经网络电路完成数据处理加速的工作机理与研究进展;掌握忆阻器应用到忆阻类脑神经网络电路中的器件优势,了解使用忆阻电路模拟生物机制的进展;理解研究创新的思路,树立学科交叉融合的意识,了解论文写作的相应规范。2 教学内容和教学设计本课程包含四部分内容:第一部分介绍人工智能的发展,以及人工智能与深度学习中的基本理论、算法;第二部分阐述目前人工智能硬件平台的局限性,引出研究新一代人工智能硬件的必要性;第三部分阐明忆阻器存算一体化架构及忆阻人工神经网络电路;第四部分介绍忆阻类脑
7、神经网络电路。2.1 人工智能的发展及人工神经网络本部分从人工智能涵盖的内容、完成的应用等方面出发,介绍人工智能的发展,明确了人工智能、机器学习、神经网络、深度学习的关系,使学生理解这些当下热门词汇间的区别与联系。接着,以神经元的数学模型为基础,延伸介绍了单层神经网络、多层神经网络、循环神经网络、LSTM神经网络的结构和数学模型,阐述了对应的训练过程与算法。本部分内容既为后续课程奠定了理论和模型基础,也可以拓宽研究生的知识领域。2.2 研究新一代智能硬件技术的必要性人工智能的一次次发展高潮,离不开数学算法、网络结构的创新,也依赖着不断提升的硬件处理速度以及硬件处理方法的革新。正是吴恩达等人将深
8、度学习中的计算转移到GPU中执行,大幅提升了深度神经网络的训练速度,才激发了近年来人工智能的飞速发展1。随着人工智能的高速发展,需要处理的数据量每年呈指数倍增加。但是,现有的CMOS计算机硬件数据处理效率提升缓慢,已经不能满足海量数据的处理需求。以下两方面因素影响了CMOS计算机性能的提升:(1)CMOS器件的尺寸已经接近其物理极限,难以继续缩小;其运行频率也已接近极限,难以有效提升。(2)现有的 CMOS 计算机基于冯 诺伊曼架构,它的数据存储器与数据处理单元CPU分离。在进行数据处理时,需要在CPU与存储器之间不断交换数据,消耗了大量的时间与能量,抑制了数据处理效率的提升。即使将大部分数据
9、处理的任务转移到GPU中,数据处理的效率也逐渐满足不了人工智能日益增长的数据处理需求。同时,现有的大多数CPU及GPU都是美国生产,是我国一项“卡脖子”技术,遏制了我国人工智能的发展。人们开始探索使用新技术、新材料、新器件制造新一代用于人工智能数据处理的硬件,以破除CMOS芯片在性能与架构上的瓶颈。存算一体化硬件技术是一项非常有希望突破冯 诺依曼架构瓶颈的新一代智能硬件技术,它的数据计算与数据存储在同一硬件结构中实现,使数据处理效率得到极大提升。忆阻器是实现存算一体化数据处理硬件的理想电路元件,忆阻器具有纳米尺寸、高开关频率、非易失性等特点,而且忆阻值可以跟随施加的电压发生改变。忆阻器已经被应
10、用到忆阻逻辑、忆阻存储、忆阻神经形网络电路等领域5。这部分内容使学生理解人工智能硬件处理数据的基本原理与方法,形成软硬件结合实现人工智能应用的意识,了解我国在新一代智能硬件技术中取得的研究成果,激励学生未来瞄准“卡脖子”技术贡献自己的力量。2.3 基于忆阻的人工神经网络电路人工神经网络中的运算主要是矩阵乘法,一个矩阵乘法包含了大量的代数乘法和加法运算。CPU 完成一次代数乘法运算需要约 10 个时钟周期,因此实现一个矩阵乘法需要消耗大量的时间。尤其深度神经网络包含海量的矩阵运算,即使把相应的运算转移到GPU中,还是需要消耗大量的时间2。而在忆阻人工神经网络中,使用二维忆阻交叉阵列结构,在交叉阵
11、列的每个交叉点上制作一个忆阻单元,忆阻单元排列成矩阵形式。将输入数据映射成对应的电压值,施加在忆阻交叉阵列的行线上,根据欧姆定律、基尔霍夫电压定律、基尔霍夫电教改教法102流定律,忆阻交叉阵列列线上的电流,就是忆阻交叉阵列所代表的矩阵与输入信号的乘积所得到的结果。这里使用忆阻交叉阵列完成数据的运算,同时参与运算的矩阵数据也存储在忆阻交叉阵列中,所以借助忆阻交叉阵列的固有特性,就可以实现存算一体方式的数据处理。而且,忆阻交叉阵列具有规则的电路结构,便于实现高密度集成,并能够使电路制造简单化。以人工神经网络的理论及数学模型为基础,结合忆阻电路及忆阻交叉阵列的特点,构建忆阻人工神经网络电路。当输入信
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 新一代 智能 硬件 技术 研究生课程 教学 探索
![提示](https://www.zixin.com.cn/images/bang_tan.gif)
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。