重新思考設計與挑戰：突破向量-矩陣乘法的界限，基於斯格明子內存計算的可解釋人工智慧與數據密集型應用;Rethinking Design and Challenges beyond Vector-Matrix Multiplication: Skyrmion-Based In-Memory Computing for Interpretable Ai and Data-Intensive Applications

NCU Institutional Repository > 資訊電機學院 > 資訊工程學系 > 研究計畫 > Item 987654321/96932

請使用永久網址來引用或連結此文件: https://ir.lib.ncu.edu.tw/handle/987654321/96932

題名:	重新思考設計與挑戰：突破向量-矩陣乘法的界限，基於斯格明子內存計算的可解釋人工智慧與數據密集型應用;Rethinking Design and Challenges beyond Vector-Matrix Multiplication: Skyrmion-Based In-Memory Computing for Interpretable Ai and Data-Intensive Applications
作者:	陳增益
貢獻者:	國立中央大學資訊工程學系
關鍵詞:	磁性斯格明子跑道記憶體 (SK-RM);記憶體內計算;隨機森林演算法;可解釋人工智慧 (XAI);高平行推論框架;資料交換機制;特徵重要性追蹤;Skyrmion Racetrack Memory (SK-RM);In-memory Computing;Random Forest;Explainable AI (XAI);High-parallelism Inference Framework;Data Swapping Mechanism;Feature Importance Tracking
日期:	2025-07-31
上傳時間:	2025-08-07 17:20:06 (UTC+8)
出版者:	國家科學及技術委員會(本會)
摘要:	本計畫旨在探索磁性斯格明子跑道記憶體 (Skyrmion Racetrack Memory, SK-RM) 作為內存計算平台的潛力，並開發一系列創新技術以提升數據密集型應用的效能，特別針對隨機森林演算法 (Random Forest) 與可解釋人工智慧 (Explainable AI, XAI) 的應用需求。透過結合 SK-RM 的高密度、低能耗特性與內存計算能力，計畫目標是開發新一代高效能且可解釋的人工智慧系統架構，滿足現代資料密集型應用對運算速度與透明性的雙重需求。在執行過程中，本計畫將聚焦於以下三大核心目標： 1. 開發專為 SK-RM 設計的高效能內存數據交換機制，降低數據移動帶來的延遲與能耗； 2. 設計高並行性推論框架，充分利用 SK-RM 的單元級與訪問埠級並行特性，優化隨機森林等演算法的推論效率； 3. 結合 XAI 原則，開發即時特徵重要性追蹤與預測存取模型，實現內存計算與解釋性功能的有機結合。社會影響：本計畫將助力於開發具有高透明性與高效能的人工智慧技術，特別在醫療、金融與智慧城市等需要可信賴決策的領域中產生重要影響。具解釋性的人工智慧系統能提升大眾對 AI 技術的接受度與信任，為未來的智能社會提供基礎支持。經濟影響：在產業界，本計畫提出的解決方案將促進記憶體技術與人工智慧的深度整合，提供低能耗且高效的運算架構，減少硬體與運營成本，並為存儲與計算技術公司開創新的市場機會。此外，研究成果可作為新型智慧設備的技術支柱，推動相關產業發展。學術影響：計畫預期在國際學術界產生深遠影響，將發表多篇高水平學術論文，涵蓋記憶體架構、人工智慧與解釋性技術等領域的前沿研究。這些成果不僅有助於擴展內存計算的基礎理論，也為跨領域合作開啟新的契機。本計畫培養的學生和研究助理將具備解決尖端技術問題的能力，為未來學術和技術創新提供強有力的支持。總之，本計畫以提升人工智慧系統的效能與透明性為核心，致力於推動技術進步，並透過學術與產業的結合，為社會和經濟發展創造深遠價值。
關聯:	財團法人國家實驗研究院科技政策研究與資訊中心
顯示於類別:	[資訊工程學系] 研究計畫

文件中的檔案:

檔案	描述	大小	格式	瀏覽次數
index.html		0Kb	HTML	17	檢視/開啟

在NCUIR中所有的資料項目都受到原著作權保護.

社群 sharing

資料載入中.....