第487章 等不及的物理學家們
在海思和華芯忙著設計和晶片突破的時候，徐川也在別墅中研究著這些和晶片設計方面有關的數學問題。
NPU神經性網路架構相對比CPU架構和GPU架構來說，算是新興的計算機領域。
它最早由心理學家和神經生物學家提出，透過模擬人體或者其他生活大腦神經細胞的結構及運算方式來應用到計算機上。
相對比原本扁平的計算架構，神經性網路架構更類似於3D性質，在解決複雜問題時，往往能夠提供一種相對更簡單的方法。
因此，神經性網路架構近年來越來越受到計算機行業的關注。
海思和華芯選擇這塊進行突破，一方面是想要彎道超車，另一方面則是無奈了。
沒辦法，相對比那些西方國家和企業來說，華國在CPU架構和GPU架構的基礎研究上起步太晚，遠比不上別人雄厚的經驗和實力。
當然，還有最為關鍵的專利。
依賴著專利這道護城河，高通、蘋果、谷歌等西方國家的公司幾乎徹底壟斷了這一領域。
想要繞過去，就只能另闢蹊徑了。
這也是海思和華芯會選擇從NPU神經性網路架構入手的原因。
儘管這份架構依舊是從AR司研究的AR構上研究出來的，但它能為未來的獨立研發做一份雄厚的鋪墊。
翻閱著電腦上的資料，徐川認真的研究和剖析著。
一般來說，神經網路架構主要利用各種各樣、各式各樣的數學模型從不同的角度對生物神經系統進行不同層次的描述和模擬。
代表性的網路模型有BP網路、RBF網路、Hopfield網路、自組織特徵對映網路等等。
相對比傳統的CPU架構和GPU架構來說，他入手這種架構反而更快一些。
畢竟數學模型和建模，以及背後的數學公式，本就是他的研究範疇之一。
比如RBF神經網路架構（徑向基函式網路架構）就是是以函式逼近理論為基礎而構造的一類前向網路。
這類網路的學習等價於在多維空間中尋找訓練資料的最佳擬合平面，其徑向基函式網路的每個隱層神經元啟用函式都構成了擬合平面的一個基函式。
用數學理論來解釋，其實原理很簡單。
即，在選定的一類函式中尋找某個函式g，使它是已知函式在一定意義下的近似表示，並求出用g近似表示而產生的誤差。”
這是高中數學的函式基礎之一。
對於徐川來說，研究這些東西一開始只是為了解決海思和華芯的問題，不過隨著時間的推移，他越來越對這種神經性網路感興趣了。
這種從數學機理出發，利用模型來完備進行不同層次的描述和模擬的結構，除了晶片外，在其他領域也有不少的應用。
比如人工智慧、自動控制、機器人、統計學等等。
這些都是徐川相當感興趣的領域。
人工智慧就不用多說了，這是未來發展的趨勢。
。一之點鍵關心核的步進力產生會社是則，人機和制控自而
。的作工而域領他其為要主，學數用應門一是它似看，學計統於至
。的域領學數在用應以可是也本它，上際實但
。料資的域領學料材者或亦域領理能高析分和計統來路網經神過是，的重看更他，然當
。式方析分及以計統學數的便簡和全健更要需，大當相都量料資的者兩後
。機算計子量與片晶子量合適更乎似它，說來機算計構片晶基矽的通普比對相，路網經神種這，到覺的銳敏川徐，來下究研天些這且而
。次層個一了越超上度維在生天，的D3是則機算計子量麼那，的D5.2者或D2是看機算計構片晶基矽的統傳將說果如
。構架立的D3是就生天它，來出看能就度角的學生從實其，式方算計路網經神而
。確準不些有許或法說種這，然當
。機算計子量應適加更會能可有這得覺確的他但
。已而法想個這證驗他給來機算計子量的用使夠能備完有沒並在現過不只
。面方作工他其了到投力分部將也川徐，時同的究研邊一習學邊一在，的到做能就天幾短短是不題問的芯華和思海決解要
。了到就節宵元，間眼眨，去過的天天一樣這就子日
。門的房書敲了敲佳思唐，中墅別
”？嗎事麼什有“：道問口開，理助活生的褂大白著穿位這眼一了看的奇好，來出了走川徐，靜了來傳便面裡，會一不
