簡介
過去數年內，深度學習成功應用於各類機器學習問題上。然而，對醫學影像，如核磁共振影像之深度學習，其效率仍然過低。影像處理晶片(GPU) 已證實可加速深度學習。對AI 系統整體而言， 中央處理器與主記憶體間資料傳輸為其主要瓶頸。特殊設計之類神經網路、深度學習晶片，其神經元由非揮發記憶體及非常簡單的電子電路組成，類似生物神經元，如此可達到大量平行化。除醫學影像外，物聯網裝置上之深度學習，亦可以利用硬體降低功耗。目前學界及業界相關研究包括使用電阻式記憶體、相變記憶體等之深度學習加速電路。模擬此種電路系統是相當困難的，主要系必須同時考慮元件層與系統層，及該系統的龐大性。 本計畫透過與國家高速網路中心合作，發展出協助電路設計之開放軟體平台。該平台將使台灣學界與業界，不管是軟硬體或應用專家，都能模擬人工智慧晶片。我跟希望利用此平台來比較不同的電路設計方式，並以生醫影像為例，估計電路對核磁共振等影像處理之具體改善程度。