谷歌专利：Systolic Array用于神经网络的旋转数据计算方法

US20160342893A1专利文献详细介绍了谷歌TPU（Tensor Processing Unit）的相关技术，这是一种专为加速深度学习特别是卷积神经网络（Convolutional Neural Network, CNN）设计的高性能硬件。该专利的核心是“旋转数据处理”方法，用于计算CNN层的输出。 专利描述中提到的方法涉及计算机程序，其目的是通过一种创新的方式对多维度矩阵中的激活输入进行处理。首先，接收一组激活输入，这些输入被转换成多个向量输入，每个向量输入由多维矩阵内不同区域的值构成。这一步体现了对数据的一种并行处理策略，以便于在系统中高效利用资源。 接着，这些向量输入沿着系统的第一个维度（通常指时间或空间维度）发送到一个或多个被称为systolic array（线型阵列）的单元中。systolic array是一种特殊的并行处理架构，通过数据流式处理来执行计算，特别适合于密集的数学运算，如卷积操作。 生成的计算结果可能是某一层神经网络的输出，这对于大规模神经网络模型来说，能够显著提升计算速度和效率。通过这种方法，Google TPU旨在实现高吞吐量和低延迟的计算，使得机器学习任务在实时应用中变得更加可行。 值得注意的是，这项技术与US2015年9月3日提交的14/845,022号申请之间存在关联，表明这是谷歌在优化其专用硬件方面的一项持续努力，以推动AI技术的发展和优化。整体来看，US20160342893A1专利揭示了谷歌如何通过硬件设计创新来解决深度学习计算的挑战，为AI时代的高性能计算提供了重要支撑。