東京大學工業科學研究所的研究人員設計并建造了專門的計算機硬件，該計算機硬件由成堆的存儲模塊組成，這些存儲模塊以3-D螺旋形排列以用于人工智能（AI）應用。這項研究可能為下一代節能AI設備開辟道路。

機器學習是一種AI，通過這種AI對計算機進行樣本數據訓練，以預測新實例。例如，像Alexa這樣的智能揚聲器算法可以學習理解您的語音命令，因此即使您是第一次請求，它也可以理解您。但是，人工智能往往需要大量的電能來訓練，這引發了人們對增加氣候變化的擔憂。

現在，東京大學工業科學研究所的科學家們開發出了一種新穎的設計，用于將電阻式隨機存取存儲模塊與氧化物半導體（IGZO）存取晶體管堆疊成三維螺旋。將片上非易失性存儲器放置在靠近處理器的位置，可以使機器學習訓練過程更快，更節能。這是因為與常規計算機硬件相比，電信號的傳播距離要短得多。堆疊多層電路是很自然的步驟，因為訓練算法通常需要許多操作同時并行進行。

“對于這些應用，每一層的輸出通常連接到下一層的輸入。我們的體系結構極大地減少了互連布線的需求，”第一作者吳繼宣說。

通過實施二值化神經網絡系統，該團隊能夠使設備更加節能。不允許參數為任何數字，而是將其限制為+1或-1。這既大大簡化了使用的硬件，又壓縮了必須存儲的數據量。他們使用AI中的一項常見任務對設備進行了測試，解釋了手寫數字數據庫。科學家表明，增加每個電路層的大小可以提高算法的準確性，最大可達到90%左右。

高級作者Masaharu Kobayashi解釋說：“為了在AI越來越融入日常生活中時保持較低的能耗，我們需要更專業的硬件來有效地處理這些任務。”

這項工作是邁向“物聯網”的重要一步，在該過程中，許多小型的具有AI功能的設備作為集成的“智能家居”的一部分進行通信。

這項研究已在2020年VLSI技術研討會上發表。