[發明專利]處理部件及人工智能處理器

有效

• 申請號: 202011565319.0
• 申請日: 2020-12-25
• 公開（公告）號: CN112766475B
• 公開（公告）日: 2023-04-28
• 發明（設計）人: 裴京;施路平;王冠睿;馬騁
• 申請（專利權）人: 清華大學
• 主分類號: G06N3/063
• 分類號: G06N3/063
• 代理公司: 北京林達劉知識產權代理事務所(普通合伙) 11277
• 代理人: 劉新宇

本公開涉及一種處理部件及人工智能處理器。處理部件包括控制單元、軸突單元、樹突單元、胞體單元和路由單元，控制單元用于根據預設的控制信息生成控制指令，以控制軸突單元、樹突單元、胞體單元和路由單元。軸突單元用于讀取存儲部件中存儲的處理數據，經數據轉換獲得第一數據。樹突單元用于根據第一數據獲得第一處理結果；胞體單元用于讀取第一處理結果和/或所述處理數據，獲得第二處理結果，路由單元可發送第一處理結果、第二處理結果和/或處理數據。根據本公開的實施例的處理部件，可將處理部件和存儲部件設置在計算核心內，無需對核心外部的存儲部件進行讀寫，減少讀寫數據的資源占用，可滿足大數據量的精確運算和快速響應的運算要求。

技術領域

本公開涉及計算機領域，尤其涉及一種處理部件及人工智能處理器。

背景技術

現有計算機架構中，通常通過傳統的CPU(Central?Processing?Unit，中?央處理器)結合GPU(Graphics?Processing?Unit，圖形處理器)來加速人工智?能中的并行計算。

此外，現有的神經網絡硬件加速計算系統主要有基于人工神經網絡進行?計算的系統和基于脈沖神經網絡進行計算的系統兩種方案。

基于人工神經網絡的計算系統以現有計算架構為基礎，通過優化計算和?存儲器架構，對某類特定算法或者場景進行加速，從而實現在這一特定場景?下的計算速度、功耗和成本等方面的優化。具體的實現方式包括利用GPU、?FPGA(Field?Programmable?GateArray，現場可編程門陣列)、DSP(Digital?Signal?Processor，數字信號處理器)、眾核處理器等傳統計算系統來實現或者?設計專用的集成電路芯片(ASIC)。系統所執行算法包括基于人工神經網絡?的各類算法，比如全連接網絡(MLP)、卷積神經網絡(CNN)和循環神經?網絡(RNN)，用于處理計算機視覺、自然語言處理和系統控制等相關問題。

基于脈沖神經網絡的計算系統則借鑒人腦處理的信息結構和運作規則，?設計異于傳統馮諾依曼架構的計算系統。其一般采用局部化一體化存儲與計?算系統的思路，借鑒人腦神經元互聯結構，將信息儲存在突觸連接中；同時?系統采用去中心化的系統設計，不同的神經元可以并行的進行計算；神經元?之間采用脈沖(0和1分別表示脈沖的有無)序列傳遞信息。具體的實現方式?包括模擬、數字或模數混合超大規模集成電路VLSI和基于新型材料或者新型?電子元器件實現神經元或者神經突觸模型的電路系統，主要用于處理感知、實時性響應、低功耗和手勢識別、光流信息處理等低功耗問題。

但是，當前基于CPU與GPU結合來構建可以執行人工智能任務的計算機?結構，其中GPU具有高昂的價格，同時其在需要消耗很高的能量，由于其并?非是特定對于神經網絡任務進行優化，在處理不同任務時計算效率不一定都?能達到很高。對于脈沖神經網絡等生物啟發的人工智能算法，其計算效率很?低，因此憑借CPU與GPU的計算結構，無法高效的完成人工通用智能的計算?任務。

此外，在人工神經網絡計算系統或脈沖神經網絡計算系統中，單一的計?算系統是對于某一類算法和問題的單獨優化，單獨的某一神經網絡計算范式?無法應對的復雜的人工通用人工智能的任務場景。人工神經網絡在處理序列?信息、低功耗事件驅動響應和實時性問題方面上的能力不足；脈沖神經網絡?在精確運算、大數據量密集計算上的能力不足。在處理同時需要精確數值處?理和快速響應的場景中單一計算系統無法滿足計算要求。

發明內容

有鑒于此，本公開提出了一種處理部件及人工智能處理器。