近日，湖南大學(xué)電氣與信息工程學(xué)院劉杰教授課題組自主研制出了“存算一體”非馮·諾依曼類腦芯片架構(gòu)，用于加速分子動(dòng)力學(xué)高性能科學(xué)計(jì)算。相較主流Intel CPU、NVIDIA GPU芯片，在保持計(jì)算高精度前提下，實(shí)現(xiàn)了約2個(gè)數(shù)量級(jí)提速。研究成果以“Accurate and efficient molecular dynamics based on machine learning and non von Neumann architecture”為題，發(fā)表在《npj Computational Materials》期刊。第一作者為電氣院博士生莫平輝，通訊作者為劉杰教授。 o{sv<$  
`|ie#L(:7/  
自1946年發(fā)明至今，馮·諾依曼架構(gòu)一直占據(jù)統(tǒng)治地位，是CPU、GPU等主流芯片的基礎(chǔ)，也是手機(jī)、臺(tái)式機(jī)、筆記本、計(jì)算服務(wù)器、超級(jí)計(jì)算中心的底層基礎(chǔ)架構(gòu)。目前，需要運(yùn)行分子動(dòng)力學(xué)等高性能科學(xué)計(jì)算時(shí)，使用馮·諾依曼架構(gòu)的計(jì)算機(jī)是幾乎所有研究人員的唯一選擇，這已成為一種“固有范式”（paradigm）。遺憾的是，馮·諾依曼架構(gòu)中，計(jì)算單元（例如CPU/GPU）和存儲(chǔ)單元（例如內(nèi)存）是互相獨(dú)立的（即“存算分離”），導(dǎo)致計(jì)算總耗時(shí)和計(jì)算總功耗中的絕大部分（>90%）消耗于存儲(chǔ)單元、計(jì)算單元之間的頻繁數(shù)據(jù)搬運(yùn)，俗稱“存儲(chǔ)墻（memory wall）”和“功耗墻（power wall）”瓶頸。這嚴(yán)重制約了計(jì)算性能的提升。 kWXLncE  
H~+A6g]T