AI芯片:前沿技术与创新未来

AI芯片:前沿技术与创新未来

暂无评价综合评分的显示会考虑用户真实性等多项因素,每部作品出现综合评分的时间不定。

作品简介

本书从人工智能(AI)的发展历史讲起,介绍了目前非常热门的深度学习加速芯片和基于神经形态计算的类脑芯片的相关算法、架构、电路等,并介绍了近年来产业界和学术界一些著名的AI芯片,包括生成对抗网络芯片和深度强化学习芯片等。本书着重介绍了用创新的思维来设计AI芯片的各种计算范式,以及下一代AI芯片的几种范例,包括量子启发的AI芯片、进一步提升智能程度的AI芯片、有机自进化AI芯片、光子AI芯片及自供电AI芯片等。本书也介绍了半导体芯片技术在后摩尔定律时代的发展趋势,以及基础理论(如量子场论、信息论等)在引领AI芯片创新方面发挥的巨大作用。最后,本书介绍了AI发展的三个层次、现阶段AI芯片与生物大脑的差距及未来的发展方向。本书可供AI和芯片领域的研究人员、工程技术人员,科技、产业决策和管理人员,创投从业者和相关专业研究生、本科生以及所有对AI芯片感兴趣的人士阅读参考。 

张臣雄毕业于上海交通大学电子工程系,在德国获得工学硕士和工学博士学位。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强大型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多篇论文。

作品目录

  1. 前言
  2. 第一篇 导论
  3. 第1章 AI 芯片是人工智能未来发展的核心——什么是AI 芯片
  4. 1.1 AI芯片的历史
  5. 1.2 AI芯片要完成的基本运算
  6. 1.3 AI芯片的种类
  7. 1.4 AI芯片的研发概况
  8. 1.5 小结
  9. 第2章 执行“训练”和“推理”的AI 芯片
  10. 2.1 深度学习算法成为目前的主流
  11. 2.2 AI芯片的创新计算范式
  12. 2.3 AI芯片的创新实现方法
  13. 2.4 小结
  14. 第二篇 最热门的AI芯片
  15. 第3章 深度学习AI 芯片
  16. 3.1 深度神经网络的基本组成及硬件实现
  17. 3.2 算法的设计和优化
  18. 3.3 架构的设计和优化
  19. 3.4 电路的设计和优化
  20. 3.5 其他设计方法
  21. 3.6 AI芯片性能的衡量和评价
  22. 3.7 小结
  23. 第4章 近年研发的AI 芯片及其背后的产业和创业特点
  24. 4.1 对AI芯片巨大市场的期待
  25. 4.2 “1+3”大公司格局
  26. 4.3 学术界和初创公司
  27. 4.4 小结
  28. 第5章 神经形态计算和类脑芯片
  29. 5.1 脉冲神经网络的基本原理
  30. 5.2 类脑芯片的实现
  31. 5.3 基于DNN和SNN的AI芯片比较及未来可能的融合
  32. 5.4 类脑芯片的例子及最新发展
  33. 5.5 小结
  34. 第三篇 用于AI芯片的创新计算范式
  35. 第6章 模拟计算
  36. 6.1 模拟计算芯片
  37. 6.2 新型非易失性存储器推动了模拟计算
  38. 6.3 模拟计算的应用范围及其他实现方法
  39. 6.4 模拟计算的未来趋势
  40. 6.5 小结
  41. 第7章 存内计算
  42. 7.1 冯·诺依曼架构与存内计算架构
  43. 7.2 基于存内计算的AI芯片
  44. 7.3 小结
  45. 第8章 近似计算、随机计算和可逆计算
  46. 8.1 近似计算
  47. 8.2 随机计算
  48. 8.3 可逆计算
  49. 8.4 小结
  50. 第9章 自然计算和仿生计算
  51. 9.1 组合优化问题
  52. 9.2 组合优化问题的最优化算法
  53. 9.3 超参数及神经架构搜索
  54. 9.4 基于自然仿生算法的AI芯片
  55. 9.5 小结
  56. 第四篇 下一代AI芯片
  57. 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
  58. 10.1 量子退火机
  59. 10.2 伊辛模型的基本原理
  60. 10.3 用于解决组合优化问题的AI芯片
  61. 10.4 量子启发AI芯片的应用
  62. 10.5 小结
  63. 第11章 进一步提高智能程度的AI 算法及芯片
  64. 11.1 自学习和创意计算
  65. 11.2 元学习
  66. 11.3 元推理
  67. 11.4 解开神经网络内部表征的缠结
  68. 11.5 生成对抗网络
  69. 11.6 小结
  70. 第12章 有机计算和自进化AI 芯片
  71. 12.1 带自主性的AI芯片
  72. 12.2 自主计算和有机计算
  73. 12.3 自进化硬件架构与自进化AI芯片
  74. 12.4 深度强化学习AI芯片
  75. 12.5 进化算法和深度学习算法的结合
  76. 12.6 有机计算和迁移学习的结合
  77. 12.7 小结
  78. 第13章 光子AI 芯片和储备池计算
  79. 13.1 光子AI芯片
  80. 13.2 基于储备池计算的AI芯片
  81. 13.3 光子芯片的新进展
  82. 13.4 小结
  83. 第五篇 推动AI芯片发展的新技术
  84. 第14章 超低功耗与自供电AI 芯片
  85. 14.1 超低功耗AI芯片
  86. 14.2 自供电AI芯片
  87. 14.3 小结
  88. 第15章 后摩尔定律时代的芯片
  89. 15.1 摩尔定律仍然继续,还是即将终结
  90. 15.2 芯片设计自动化的前景
  91. 15.3 后摩尔定律时代的重要变革是量子计算芯片
  92. 15.4 小结
  93. 第六篇 促进AI芯片发展的基础理论研究、应用和创新
  94. 第16章 基础理论研究引领AI 芯片创新
  95. 16.1 量子场论
  96. 16.2 超材料与电磁波深度神经网络
  97. 16.3 老子之道
  98. 16.4 量子机器学习与量子神经网络
  99. 16.5 统计物理与信息论
  100. 16.6 小结
  101. 第17章 AI 芯片的应用和发展前景
  102. 17.1 AI的未来发展
  103. 17.2 AI芯片的功能和技术热点
  104. 17.3 AI的三个层次和AI芯片的应用
  105. 17.4 更接近生物大脑的AI芯片
  106. 17.5 AI芯片设计是一门跨界技术
  107. 17.6 小结
  108. 附录 中英文术语对照表
  109. 参考文献