شريحة صينية لرسم خرائط الدماغ تعلن سرعة 478 مرة مقارنة بـNVIDIA A100 بلا دليل سريري
أفاد فريق من Peking University وChinese Academy of Sciences بشريحة 40-nanometre بتصميم computing-in-memory ترسم القشرة المطوية للدماغ في أقل من 0.5 ثانية، لكن الدراسة لم تكشف تحققا سريريا أو خطة إصدار تجاري.
حوّلت شريحة ذكاء اصطناعي صينية لرسم خرائط الدماغ معيارا طبيا حاسوبيا من تسريع GPU إلى المعالجة داخل الذاكرة، بعدما أفاد فريق من Peking University وChinese Academy of Sciences بإعادة بناء قشرة الدماغ في أقل من نصف ثانية وبسرعة تصل إلى 478 مرة مقارنة بـNVIDIA A100 GPU. نُشرت الدراسة في Science، وقدم الباحثون الشريحة كتصميم computing-in-memory لأعباء عمل رسم خرائط الدماغ.
ما زال الكشف نتيجة بحثية لا منتجا سريريا. يصف السجل العام البنية ونطاق السرعة والاستخدامات الطبية المحتملة، لكنه لا يتضمن نشرها في مستشفى أو موافقة تنظيمية أو خطة تصنيع تجارية.
فريق Peking University يعلن سرعة تصل إلى 478 مرة مقارنة بـA100
أفاد فريق البحث بأن الشريحة أعادت بناء القشرة المطوية للدماغ في أقل من 0.5 ثانية. وقال إن الأداء كان أسرع من أنظمة تعمل بوحدة NVIDIA A100 GPU بما بين 50 و478 مرة، بحسب عبء عمل رسم الخرائط الدماغية المحدد.
تكمن أهمية عبء العمل في أن إعادة بناء القشرة تتطلب حسابات كثيفة. وذكر السجل المصدر أن القشرة ذات بنية مطوية معقدة تزيد مساحة السطح داخل الجمجمة، ما يجعل رسم خرائط الدماغ صعبا على البنى الحاسوبية التقليدية.
شريحة 40-nanometre تستخدم تصميم computing-in-memory
تصف الدراسة الشريحة بأنها جهاز حوسبة بدقة 40-nanometre يدمج شبكة عصبية اصطناعية مباشرة داخل العتاد. وبدلا من نقل البيانات مرارا بين وحدات ذاكرة ومعالجة منفصلة، يجري التصميم التخزين والحوسبة داخل مصفوفة الذاكرة نفسها.
استخدم الباحثون أيضا phase-change memristors. وذكر السجل المصدر أن الفريق أعاد توظيف conductance drift، الذي يعامل عادة كقيد في العتاد، لتنفيذ حسابات ديناميكية عصبية. وكان الهدف المعلن تحسين السرعة وكفاءة الطاقة مع تقليل زمن التأخير الناتج عن حركة البيانات.
استخدامات رسم خرائط الدماغ ما زالت في مرحلة البحث
الاستخدامات المعلنة طبية وبحثية. وذكر المصدر الملاحة العصبية في الوقت الحقيقي أثناء جراحة الدماغ، والفحص المبكر لمرض Alzheimer's disease، وتطوير واجهات brain-computer interface، والنمذجة الشخصية للدماغ كتطبيقات محتملة.
قال Yang Yuchao، الأستاذ في School of Integrated Circuits في Peking University، إن العمل قد يدعم في النهاية توائم رقمية شخصية للدماغ من أجل التشخيص وتخطيط العلاج. وقارن باحثون من Juelich Research Centre في ألمانيا، ضمن تحليل مرافق، التصميم بمعالجة الحليب مباشرة في المزرعة بدلا من نقله إلى مصنع.
لم تكشف الدراسة نتائج تجارب سريرية، أو تحققا على مستوى المرضى، أو موافقة تنظيمية، أو شريك تصنيع، أو عائد إنتاج، أو أسعارا، أو مواعيد نشر في المستشفيات، أو جدولا زمنيا للإصدار التجاري لشريحة 40-nanometre.
Summary version for Medium
Chinese Brain-Mapping Chip Claims 478 Times NVIDIA A100 Speed Without Clinical Proof
Why this hardware shift matters for AI and compute buyers
Quick Summary: A Peking University and Chinese Academy of Sciences team reported a 40-nanometre computing-in-memory chip that maps the brain’s folded cortex in less than 0.5 seconds, but the study did not disclose clinical validation or a commercial release plan.
Peking University Team Reports 478 Times A100 Speed
The research team reported that the chip reconstructed the brain's folded cortex in less than 0.5 seconds. It said performance was 50 to 478 times faster than systems powered by NVIDIA's A100 GPU, depending on the specific brain-mapping workload.
40-Nanometre Chip Uses Computing-In-Memory Design
The study describes the chip as a 40-nanometre computing device that integrates an artificial neural network directly into hardware.
- Point 1: The central topic is chips-semiconductors, with the announcement framed around concrete operating detail.
- Point 2: Instead of moving data repeatedly between separate memory and processor units, the design performs storage and computation inside the same memory array.
The important shift is not the AI label, but the operating boundary it creates for teams.
Brain Mapping Use Cases Remain Research-Stage
The reported use cases are medical and research-oriented. Researchers named surgical neuronavigation, Alzheimer's screening, brain-computer interface work and personalised brain models as possible applications.
Read the Full Deep Dive
Want to explore the complete technical analysis, enterprise trade-offs, and detailed metrics?
Read the full article originally published at SendTech Times
