.png){kind=icon}
返回
Analogue speech recognition based on physical computing
.png){kind=icon}
OA
AI
DOI：10.1038/s41586-025-09501-1.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
随着去中心化计算（例如物联网、自动驾驶和个性化医疗保健）的兴起，高效处理时序信号“在边缘”变得越来越重要：即直接在收集时序数据的地方进行处理，避免与集中式计算设施（或“云”）进行耗时、不安全且成本高昂的通信。然而，由于架构固有的限制（冯·诺依曼瓶颈）或领域转换（模拟到数字和时间到频率）的影响，现代处理器通常无法满足边缘系统的严格功耗和时间预算。本文提出了一种基于两种在材料计算系统（用于特征提取和分类）的边缘时序信号处理器，在TI-46-Word和Google Speech Commands数据集上达到接近软件的精度。首先，一个非线性、室温可重构非线性处理单元（RNPUs）层从原始音频信号中实现模拟、时域特征提取，类似于人类耳蜗。其次，一个由忆阻器交叉阵列构成的模拟存内计算芯片（AIMC）实现了一个在提取的特征上训练的紧凑神经网络进行分类。具有亚毫秒级延迟，基于RNPUs的特征提取每推理消耗约300 nJ，而基于AIMC的分类器使用约78 µJ（潜力约为10 µJ），我们的研究为通过在材料计算硬件提升异构智能边缘处理器的紧凑性、效率和性能提供了有前景的途径。一种基于两种在材料计算硬件平台——可重构非线性处理单元（RNPUs）和模拟存内计算（AIMC）——的时序信号处理器被用于特征提取和分类，提升了异构智能边缘设备的紧凑性、效率和性能。
Keyword:
edge computing
in-materia computing
speech recognition
reconfigurable nonlinear-processing unit
analogue in-memory computing
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
48.5
论文数:
1.8W
被引数:
96.5W
机构
引用论文
分享收藏分享收藏
Information processing using a single dynamical node as complex system使用单个动态节点作为复杂系统的信息处理.png)
NATURE COMMUNICATIONSOAAI
NATURE COMMUNICATIONSIF15.7
OAAI分享收藏A Heterogeneous and Programmable Compute-In-Memory Accelerator Architecture for Analog-AI Using Dense 2-D Mesh使用密集二维网格的模拟AI的异构和可编程内存计算加速器架构
PREAI
分享收藏Memristive Field-Programmable Analog Arrays for Analog Computing用于模拟计算的忆阻现场可编程模拟阵列ADVANCED MATERIALSOAAI
ADVANCED MATERIALSIF26.8
OAAI分享收藏
查看更多内容