東京--(美國商業資訊)--記憶體解決方案全球領導者東芝記憶體株式會社(Toshiba Memory Corporation)今日宣布成功開發出用於深度學習處理的高速、高能源效率演算法和硬體架構，可減小識別準確度的下降幅度。該款用於在FPGA^[1]上實現深度學習的新處理器的能源效率是傳統產品的4倍。這項技術成果於11月6日在臺灣舉行的2018年IEEE亞洲固態電路會議(A-SSCC 2018)上公諸於眾。

深度學習計算通常需要大量的乘積累加(MAC)操作，因此帶來了運算時間長、能耗高等問題。儘管已經提出了一系列可減少表示參數（位元精度）的位元數的技術來減少總計算量，而且其中的一種演算法可將位元精度降至一兩位元，但是這些技術同時又帶來了識別準確度下降的問題。東芝記憶體株式會社所開發的新演算法可最佳化每層神經網路中各個篩選器^[2]MAC操作的位精度，減少MAC操作。使用新演算法可以減少MAC操作，減小識別準確度的下降幅度。

此外，東芝記憶體株式會社成功開發出一種名為位元並行(bit-paralle)方法的新硬體架構，適合於不同位元精度的MAC操作。該方法將各種不同的位元精度逐一劃分為一位元並且可在無數MAC單元中並存執行1位元操作。與串列執行操作的傳統MAC架構相比，該方法可顯著提高MAC單元的利用效率。

東芝記憶體株式會社利用各種不同的位元精度和位元並行MAC架構在FPGA上實現了一種深度神經網路——ResNet50^[3]。以ImageNet^[4]影像資料集的影像識別為例，歸功於上述技術的支援，識別影像資料的運算時間和能耗均降低至25%，與傳統方法相比，其識別準確度的下降幅度減小。

預計將在各種設備中實現人工智慧(AI)。所開發的用於深度學習處理器的高速、低能耗技術可望應用於各種邊緣設備，例如智慧型手機和HMD^[5]以及需要低能耗的資料中心。GPU等高效能處理器是人工智慧實現高速運算所需要的重要設備。記憶體和儲存裝置也是人工智慧最重要的設備之一，它們將不可避免地需要使用巨量資料。東芝記憶體株式會社將繼續專注於人工智慧技術的研發，同時推動記憶體和儲存裝置方面的創新，以引領資料導向型運算。

[1] FPGA：場域可程式閘陣列，一種積體電路，適用於由客戶或設計人員在生產之後進行設定。
[2] 篩選器：通常，在每層神經網路中有大量篩選器（多達數千個）。
[3] ResNet50：一種深度神經網路，通常用作影像識別深度學習的基準。
[4] ImageNet：一種大型圖像資料庫，通常用作影像識別基準，影像資料的數量超過14,000,000。
[5] HMD：頭戴式顯示器

關於東芝記憶體株式會社

作為記憶體解決方案全球領導者，東芝記憶體株式會社致力於快閃記憶體和SSD的開發、生產和銷售。2018年6月，東芝記憶體株式會社被一家由Bain Capital領銜的產業財團收購。東芝記憶體株式會社開創性地開發出了一系列尖端的記憶體解決方案和服務，豐富了人們的生活，並擴大了社會的視野。該公司創新的3D快閃記憶體技術BiCS FLASH™將對先進智慧型手機、PC、SSD、汽車和資料中心等高密度應用領域儲存裝置的未來產生深遠影響。有關東芝記憶體株式會社的更多詳情，請造訪：https://business.toshiba-memory.com/en-apac/top.html

原文版本可在businesswire.com上查閱：https://www.businesswire.com/news/home/20181106005345/en/

免責聲明：本公告之原文版本乃官方授權版本。譯文僅供方便瞭解之用，煩請參照原文，原文版本乃唯一具法律效力之版本。

聯絡方式：

東芝記憶體株式會社
Kota Yamaji, +81-3-3457-3473
商業規劃部
semicon-NR-mailbox@ml.toshiba.co.jp