百科问答小站 logo
百科问答小站 font logo



如何看待《Nature》发布的新研究:摄像头是天生的神经网络,速度超越传统方法千倍? 第1页

  

user avatar   zhangshujia 网友的相关建议: 
      

《Nature》披露的信息量有限,推测一下:

这猜测是拿raw的data graph在传感器层面直接算的意思吧(analog有一个运算思路就是模拟滤波电路);当然这个raw就是CMOS还原+去噪之后回来的落盘数据了。

省掉了各种转换、精度丢失、搬数能耗…是好设计;应该是取代视觉CNN ASIC的合理路径,其它nn不适用吧…。算法前置(印刷/印刻)到传感单元,路线可行,但工艺决定了经济价值,还得取决于通用性,或者说是印刷(可编程的)成本。而向SdC方向推进的难度在于制造(硬迭代)成本,几年后的eASIC可能是路径,但若要通过改变光电突触的响应来调节权重,就需要可再编程的方案吧…

Geoffrey E Hinton不是旷日持久的批判CNN缺陷么,其中一条是不能建立4-6维关联,然后就推广他的capsule计划,其实也是站在graph的视角看全局, 倘若CIS在视觉神经单元上植入算法(analog也行)和高维interconnect,不妨是个解决方案。一帧就是一个graph,也可以说成就是那些光电突触在一个单位时隙的算力。

其实是个工艺和经济价值问题,在160nm尺度的CMOS单元之间加一点14-28nm的逻辑电路,die的尺寸变化不大,就是材料怎么同时满足光电感应和运算(数字/模拟) … ,工艺节点肯定得按运算那部分走,那yield会怎样?pitch越细,工艺成本和良率都越会差~

但是,这个"印刷"动作才是核心机密,是一次性的,还是可以再编程的,eASIC是一次性。(这个层面可能是analog更有效?)

应该也不用担心面积问题,CMOS缩放差,大概28nm也用不上,记得光栅都是50nm+,光电转换单元是受光学(衍射)干扰的,所以电路不能缩小,几百也是正常。

猜测短期有工艺问题,光电转换电路跟logic电路混在一起,材料有差别的,找到两者都兼容的材料工艺可不容易;此外,文中提到了的二硒化钨涂层,为此产线也要改的。

冯诺依曼墙后面就是电子墙,数字电路不够用,或是回到analog,或是前进到photon。:)




  

相关话题

  《自然》(Nature)论文通过骨密度研究,支持棘龙类恐龙能潜水游泳、捕猎鱼类,这次结论可靠吗? 
  日本要屏幕有屏幕、要零件有零件、要摄像头有摄像头,为什么无法生产出畅销的手机呢? 
  transformer 为什么使用 layer normalization,而不是其他的归一化方法? 
  如何评价 MSRA 视觉组最新提出的 Deformable ConvNets V2? 
  如何看待《Nature》封面文章:辽宁发现长有蝙蝠翅膀的恐龙「长臂混元龙」?对研究鸟类的演化有何帮助? 
  现在人工智能的某些学派,是不是跟中医有些像? 
  Batch Normalization 训练的时候为什么不使用 moving statistics? 
  如何解读 11 月 30 日 Nature 发表的合成生物学新突破「半合成生物体」? 
  既然使用神经网络也可以解决分类问题,那SVM、决策树这些算法还有什么意义呢? 
  是不是并不是所有问题都适合用神经网络预测? 

前一个讨论
如何评价深度学习之父Hinton发布的Capsule论文?
下一个讨论
如何看懂亚马逊?应该如何给这家公司一个定位的坐标?





© 2025-03-23 - tinynew.org. All Rights Reserved.
© 2025-03-23 - tinynew.org. 保留所有权利