供应链规划解决方案提供商FuturMaster获凯辉基金投资
06-18
人工智能或许能够解决科学和工业中的一些最棘手的挑战，但要实现人工智能，需要新一代的计算机系统。
IBM在博文中指出，通过使用基于相变存储器（PCM）的模拟芯片，机器学习可以加速一千倍。
相变存储器基于硫化物玻璃材料，当施加合适的电流时，该材料的相会从晶态变为非晶态，然后再变回晶态。
每个相都有不同的电阻水平，该电阻水平在相变化之前是稳定的。
两个电阻形成二进制1或0。
PCM是非易失性的，其访问延迟与DRAM相当。
它们都是存储级内存的代表。
Intel和Micron联合开发的3D XPoint技术基于PCM。
IBM在博客中透露，为了实现人工智能的真正潜力，在纽约州立大学和创始合作伙伴成员的支持下，IBM正在建立一个研究中心来开发新一代人工智能硬件，并期待扩大联合研究纳米技术方面的努力。
。
据雷锋网了解，IBM Research AI硬件中心合作伙伴覆盖整个半导体产业链的企业，包括IBM在制造和研究方面的战略合作伙伴三星，以及提供仿真和原型解决方案软件平台的互连解决方案公司Mellanox Technologies 。
新思科技 (Synopsys)、半导体设备公司应用材料公司 (Applied Materials) 和东京电子有限公司 (TEL)。
还与位于纽约州奥尔巴尼的东道主纽约州立大学理工学院合作，扩大基础设施支持和学术合作，并与邻近的伦斯勒理工学院 (RPI) 计算创新中心 (CCI) 合作，开展人工智能和计算学术合作。
新的处理硬件 IBM研究院半导体和人工智能硬件副总裁 Mukesh Khare 表示，当前的机器学习限制可以通过使用新的处理硬件来突破，例如：数字 AI 核心和近似计算、内存计算与模拟使用优化材料的核心 模拟核心 图 1：IBM Research AI 硬件中心制定的路线图，旨在在未来十年将 AI 计算性能效率提高 20 倍，并提供数字 AI 核心和模拟 AI 核心管道。
Mukesh Khare 提到将深度神经网络 (DNN) 映射到模拟交叉点阵列（模拟 AI 核心）。
它们在阵列交叉点处具有非易失性存储材料来存储权重。
DNN计算中的数值经过加权，以提高训练过程中决策的准确性。
这些可以直接使用交叉点 PCM 阵列来实现，无需主机服务器 CPU 干预，从而无需数据移动即可提供内存计算。
这是一个模拟阵列，与英特尔 XPoint SSD 或 DIMM 等数字阵列不同。
PCM 沿非晶态和晶态之间的 8 步梯度记录突触权重。
每个步骤的电导或电阻可以通过电脉冲来改变。
这 8 个级别在 DNN 计算中提供 8 位精度。
图 2：非易失性存储器的 Crossbar 阵列可以通过在数据位置执行计算来加速全连接神经网络的训练。
内存芯片内部的模拟计算 IBM 的一份研究报告指出：“模拟非易失性内存 (NVM) 可以有效加速“反向传播”算法，这是许多最新人工智能技术进步的核心。
这些存储器允许这些算法中使用的“乘法累加”运算在权重数据位置使用底层物理原理在模拟域中并行化。
“我们不是将大规模电路相乘并将数字加在一起，而是这样做。
通过电阻器将小电流连接到电线，然后将许多这样的电线连接在一起以允许电流累积。
这使我们能够执行许多计算我们可以同时而不是顺序地在数字存储芯片和处理芯片之间传输数字数据，而是可以在模拟存储芯片内执行所有计算。
“图 3：我们的模拟 AI 内核是提高性能效率的内存计算方法的一部分。
通过消除与内存之间的数据传输来消除所谓的冯·诺依曼架构瓶颈，从而提高性能。
深度神经网络被映射到模拟交叉点阵列并切换新的非易失性材料属性以将网络参数存储在交叉点中。
雷锋网编译，来自blocksandfiles，ibm博客雷锋网版权所有文章，未经授权禁止转载。
注意。
版权声明：本文内容由互联网用户自发贡献，本站不拥有所有权，不承担相关法律责任。如果发现本站有涉嫌抄袭的内容，欢迎发送邮件 举报，并提供相关证据，一经查实，本站将立刻删除涉嫌侵权内容。
标签：
相关文章
06-18
06-17
06-17
06-18
06-18
最新文章
3月，腾讯《王者荣耀》在全球App Store和Google Play吸引了2.57亿美元，同比增长63%
生鲜传奇宣布完成数亿元B+轮融资
裁员20%？红杉中国回应：胡说，员工总数不降反升
第二次影视创新“闯”短剧世界：看、留、跳都是钱
ASML：从飞利浦弃儿到光刻之王
宁康瑞珠获数千万元A轮融资 横琴金投、翰颐资本投资
智能金融服务生态平台科客完成A+轮融资
拼多多九鼎：信息披露无懈可击，竞争对手才是“浇水”的