典型文献
一种针对人工智能运算的Flash存储架构设计以及实施
文献摘要：
将合适的人工智能算法映射到异构计算硬件平台进行加速,是目前学术界以及工业界的一个研究方向.利用快速傅立叶变换(Fast Fourier Transformation,FFT)进行AI算法加速,同时为突破存算瓶颈,即存储墙,采用了存算融合的方法.在Flash存储体内局部加速操作数取址的并行化、无冲突化,并且与Flash存储架构的磨损均衡(Wear Leveling,WL)结合,不增加存储的功耗以及延时开销,同时均衡各Flash存储单元的磨损.通过相关定制Flash产品进行专门的固件开发以及测试,表明该方法可以明显提高AI加速性能,同时,也可定制专用的AI加速存算棒、存算卡,用于AI的高性能普适计算以及大规模部署,如高速雷达信号的AI处理、AI云服务器的建设.
文献关键词：
人工智能;存算融合;快速傅立叶变换;闪存
中图分类号：
作者姓名：
王江;吴佳;李礼;马梁
作者机构：
上海威固信息技术股份有限公司,上海201702
文献出处：
引用格式：
[1]王江;吴佳;李礼;马梁-.一种针对人工智能运算的Flash存储架构设计以及实施)[J].电子器件,2022(05):1025-1031
A类：
存算融合,Leveling
B类：
Flash,存储架构,架构设计,人工智能算法,射到,异构计算,计算硬件,硬件平台,工业界,快速傅立叶变换,Fast,Fourier,Transformation,FFT,存储墙,存储体,操作数,并行化,磨损均衡,Wear,WL,功耗,延时,开销,存储单元,关定,固件,加速性能,普适计算,雷达信号,云服务器,闪存
AB值：
0.418094
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
