正版新书]AI芯片 前沿技术与创新未来张臣雄 著9787115553195

第一篇导论

第1章AI芯片是人工智能未来发展的核心——什么是AI芯片//2

1.1AI芯片的历史//3

1.2AI芯片要完成的基本运算//5

1.2.1大脑的工作机制//5

1.2.2模拟大脑运作的神经网络的计算//7

1.2.3深度学习如何进行预测//8

1.2.4提高性能和降低功耗//9

1.3AI芯片的种类//11

1.3.1深度学习加速器//15

1.3.2类脑芯片//16

1.3.3仿生芯片及其他智能芯片//17

1.3.4基于忆阻器的芯片//19

1.4AI芯片的研发概况//22

1.5小结//23



第2章执行“训练”和“推理”的AI芯片//25

2.1深度学习算法成为目前的主流//25

2.1.1深度学习的优势与不足//28

2.1.2监督学习与无监督学习//29

2.1.3AI芯片用于云端与边缘侧//31

2.1.4把AI计算从云端迁移到边缘侧//36

2.2AI芯片的创新计算范式//40

2.3AI芯片的创新实现方法//42

2.4小结//46



第二篇最热门的AI芯片

第3章深度学习AI芯片//48

3.1深度神经网络的基本组成及硬件实现//48

3.1.1AI芯片的设计流程//50

3.1.2计算引擎和存储系统//51

3.2算法的设计和优化//57

3.2.1降低数值精度的量化技术//57

3.2.2压缩网络规模、“修剪”网络//62

3.2.3二值和三值神经网络//63

3.2.4可变精度和迁移精度//64

3.2.5简化卷积层//66

3.2.6增加和利用网络稀疏性//66

3.3架构的设计和优化//67

3.3.1把数据流用图表示的架构设计//68

3.3.2架构设计及优化的其他考虑//71

3.4电路的设计和优化//72

3.4.1用模数混合电路设计的MAC//73

3.4.2FPGA及其Overlay技术//74

3.5其他设计方法//76

3.5.1卷积分解方法//76

3.5.2提前终止方法//76

3.5.3知识蒸馏方法//77

3.5.4经验测量方法//77

3.5.5哈希算法取代矩阵乘法//78

3.5.6神经架构搜索//78

3.6AI芯片性能的衡量和评价//79

3.7小结//82



第4章近年研发的AI芯片及其背后的产业和创业特点//85

4.1对AI芯片巨大市场的期待//86

4.2“1+3”大公司格局//87

4.2.1英伟达//87

4.2.2谷歌//91

4.2.3英特尔//94

4.2.4微软//96

4.2.5其他一些有名公司的AI芯片//97

4.2.6三位重量AI科学家//101

4.3学术界和初创公司//102

4.3.1大学和研究机构的AI芯片//103

4.3.2四家初创“独角兽”公司的芯片//111

4.4小结//119

第5章神经形态计算和类脑芯片//121

5.1脉冲神经网络的基本原理//122

5.2类脑芯片的实现//125

5.2.1忆阻器实现//127

5.2.2自旋电子器件实现//129

5.3基于DNN和SNN的AI芯片比较及未来可能的融合//131

5.4类脑芯片的例子及近期新发展//133

5.5小结//138



第三篇用于AI芯片的创新计算范式

第6章模拟计算//142

6.1模拟计算芯片//143

6.2新型非易失性存储器推动了模拟计算//147

6.2.1用阻变存储器实现模拟计算//147

6.2.2用相变存储器实现模拟计算//149

6.2.3权重更新的挑战//150

6.2.4NVM器件的材料研究和创新//151

6.3模拟计算的应用范围及其他实现方法//153

6.4模拟计算的未来趋势//154

6.5小结//156



第7章存内计算//158

7.1冯·诺依曼架构与存内计算架构//158

7.2基于存内计算的AI芯片//161

7.2.1改进现有存储芯片来完成存内计算//161

7.2.2用3D堆叠存储技术来完成存内计算//164

7.2.3用新型非易失性存储器来完成存内计算//165

7.3小结//171



第8章近似计算、随机计算和可逆计算//174

8.1近似计算//174

8.1.1减少循环迭代次数的近似计算//176

8.1.2近似加法器和近似乘法器//177

8.1.3降低电源电压的近似计算//178

8.1.4基于RRAM的近似计算//180

8.1.5应对电路故障的近似计算//182

8.2随机计算//182

8.3可逆计算//187

8.4小结//191



第9章自然计算和仿生计算//192

9.1组合优化问题//193

9.2组合优化问题的很优化算法//195

9.2.1模拟退火//195

9.2.2自组织映射//197

9.2.3群体算法//199

9.3超参数及神经架构搜索//201

9.3.1粒子群优化的应用//202

9.3.2强化学习方法的应用//202

9.3.3进化算法的应用//203

9.3.4其他自然仿生算法的应用//204

9.4基于自然仿生算法的AI芯片//205

9.4.1粒子群优化的芯片实现//206

9.4.2用忆阻器实现模拟退火算法//207

9.5小结//208



第四篇下一代AI芯片

第10章受量子原理启发的AI芯片——解决组合优化问题的突破//210

10.1量子退火机//210

10.2伊辛模型的基本原理//212

10.3用于解决组合优化问题的AI芯片//214

10.3.1基于FPGA的可编程数字退火芯片//214

10.3.2使用OPO激光网络来进行很优化计算//216

10.3.3CMOS退火芯片//218



10.3.4商用量子启发AI芯片//220

10.4量子启发AI芯片的应用//221

10.5小结//223



第11章进一步提高智能程度的AI算法及芯片//224

11.1自学习和创意计算//225

11.2元学习//226

11.2.1模型不可知元学习//226

11.2.2元学习共享分层//227

11.2.3终身学习//228

11.2.4用类脑芯片实现元学习//229

11.3元推理//230

11.4解开神经网络内部表征的缠结//231

11.5生成对抗网络//235

11.5.1生成对抗网络的FPGA实现//239

11.5.2生成对抗网络的CMOS实现//239

11.5.3生成对抗网络的RRAM实现//240

11.6小结//242



第12章有机计算和自进化AI芯片//243

12.1带自主性的AI芯片//244

12.2自主计算和有机计算//247

12.3自进化硬件架构与自进化AI芯片//248

12.3.1自进化硬件架构//248

12.3.2自进化AI芯片//250

12.4深度强化学习AI芯片//252

12.5进化算法和深度学习算法的结合//253

12.6有机计算和迁移学习的结合//254

12.7小结//255



第13章光子AI芯片和储备池计算//256

13.1光子AI芯片//257

13.1.1硅光芯片//258

13.1.2光学神经网络架构//259

13.1.3光子AI芯片//261

13.2基于储备池计算的AI芯片//263

13.3光子芯片的新进展//267

13.4小结//268



第五篇推动AI芯片发展的新技术

第14章超低功耗与自供电AI芯片//271

14.1超低功耗AI芯片//271

14.2自供电AI芯片//274

14.2.1使用太阳能的AI芯片//276

14.2.2无线射频信号能量采集//277

14.2.3摩擦生电器件//280

14.2.4微尘大小的AI芯片//282

14.2.5可采集能源的特性//283

14.2.6其他可能被发掘的能源//284

14.3小结//285



第15章后摩尔定律时代的芯片//287

15.1摩尔定律仍然继续，还是即将终结//287

15.1.1摩尔定律进一步//290

15.1.2比摩尔定律更多//293

15.1.3超越CMOS//300

15.2芯片设计自动化的前景//311

15.3后摩尔定律时代的重要变革是量子计算芯片//312

15.4小结//314



第六篇促进AI芯片发展的基础理论研究、应用和创新

第16章基础理论研究引领AI芯片创新//316

16.1量子场论//317

16.1.1规范场论与球形曲面卷积//317

16.1.2重整化群与深度学习//321

16.2超材料与电磁波深度神经网络//322

16.3老子之道//327

16.4量子机器学习与量子神经网络//331

16.5统计物理与信息论//333

16.6小结//336



第17章AI芯片的应用和发展前景//338

17.1AI的未来发展//338

17.2AI芯片的功能和技术热点//341

17.3AI的三个层次和AI芯片的应用//343

17.4更接近生物大脑的AI芯片//347

17.4.1带“左脑”和“右脑”的AI芯片//349

17.4.2用细菌实现的扩散忆阻器//350

17.4.3用自旋电子器件实现的微波神经网络//351

17.4.4用电化学原理实现模拟计算//352

17.5AI芯片设计是一门跨界技术//353

17.6小结//355



附录中英文术语对照表//360

参考文献//369

张臣雄于上海交通电子工程系，在德国获得工学硕士和工学博士。曾在西门子、Interphase任职多年，曾任上海通信技术中心及一家世界500强高科技企业分别担任CEO/CTO、首席科学家等职，长期从事及主管半导体芯片的研究和开发，推动芯片的产业化应用。 张臣雄博士是两家创业公司的创始人之一。他拥有200余项专利及专利申请，出版了多本专著并发表了100多篇。

市面上少有的AI芯片全书；
AI芯片主流大厂首席科学家多年研究经验和前瞻的倾心总结；
覆盖AI芯片相关的技术路线、理论基础和产业实践等诸多方面；
从深度学习AI芯片等现有产品，到自学习/进化等下一代技术，再到量子场论、超材料甚至生物技术AI芯片等前瞻题材，本书将带您走进AI芯片的未来。