PIM内存计算如何加速AI应用？国际学术专家陈怡然将为你讲述

什么是PIM？

PIM（processing-in-memory，也被称为in-memory computing或存内计算），指的是在存储器内部直接进行数据处理的技术。传统的冯诺依曼体系结构包括存储单元和计算单元两部分：存储器保存程序和数据，而计算单元负责数据的处理。运算时数据在这两个单元之间移动所产生延迟和能耗是影响计算机总体性能和功耗的重要因素。

近些年来，存储器的容量增长迅速，但存储器与计算单元间的数据吞吐带宽增长有限，形成所谓冯诺依曼瓶颈(von Neumann Bottleneck)。PIM的设计可以消除存储单元与计算单元之间存在的大量数据吞吐，从而有效克服冯诺依曼瓶颈。

随着内存价格的下降、以及依赖于固定计算模型的应用的大量出现，存内计算越来越多的受到学术界和产业界的重视，并开始在图计算、深度学习、图像、视频、和语音处理、自然语言处理、内存数据库、实时分析等领域获得广泛应用。

为何在存储芯片中引入了PIM计算？PIM解决方案如何加速人工智能应用？作为2019全球闪存峰会重磅嘉宾，国际学术专家陈怡然将莅临现场，发表主题分享。

陈怡然教授，拥有清华大学本科及硕士学位，并于2005年在普渡大学获得博士学位。他于2010年加入匹兹堡大学任助理教授并于2014年晋升为副教授，获终身教职并任“双百年校友“讲席，现任杜克大学电子与计算机工程系教授，杜克进化计算智能中心联合主任，美国自然科学基金委新型可持续及智能计算产学合作研究中心主任，聚焦新型存储系统、机器学习与神经形态计算、以及移动计算等方向的研究。

陈教授发表过一本专著及超过350篇技术论文，获得过94项美国专利，并出任过多本IEEE和ACM期刊编委以及超过50个国际会议的组织与技术委员会主席和委员。他曾获得6次国际会议最佳论文以及13次最佳论文提名。他曾荣获美国国家自然科学基金委教授早期职业发展奖(NSF CAREER)、ACM电子自动化协会新教师奖、德国洪堡资深学者等荣誉。陈教授是IEEE会士和ACM杰出会员。

演讲主题

为人工智能应用开发的Processing-In-Memory（PIM）解决方案

内容梗概：近年来人工智能（AI）的兴起是由深度学习算法的广泛应用所推动的。在这些应用中，深度模型在部署前会先进行训练，然后将所需要处理的数据直接输入模型得到所需要的结果。输入数据和训练模型之间的操作非常适用存内计算（PIM，Processing in Momory），从而有效克服传统计算架构上的冯诺依曼瓶颈。在本次演讲中，陈教授将介绍存内计算技术的主要背景，并介绍一些针对各种AI应用的代表性解决方案。陈教授还将讨论存内计算在电路、架构和算法等领域所面临的技术挑战，并发表对于存内计算技术未来发展的看法。

2019全球闪存峰会官网：http://www.flashmemoryworld.com/