IBM研究人員正在開發(fā)一種新的計(jì)算機(jī)體系結(jié)構(gòu)，使其能夠更好地處理來自人工智能的更多數(shù)據(jù)負(fù)載。他們的設(shè)計(jì)借鑒了人腦的概念，在比較研究中明顯優(yōu)于傳統(tǒng)計(jì)算機(jī)。他們在《應(yīng)用物理雜志》上報(bào)告了他們最近的發(fā)現(xiàn)。

當(dāng)今的計(jì)算機(jī)以1940年代開發(fā)的馮·諾依曼（von Neumann）架構(gòu)為基礎(chǔ)。馮·諾依曼計(jì)算系統(tǒng)具有執(zhí)行邏輯和算術(shù)的中央處理器，存儲單元，存儲以及輸入和輸出設(shè)備。與傳統(tǒng)計(jì)算機(jī)中的瘦腿部件不同，作者提出，靈感來自大腦的計(jì)算機(jī)可以具有共存的處理和存儲單元。

該論文的作者阿布·塞巴斯蒂安（Abu Sebastian）解釋說，在計(jì)算機(jī)內(nèi)存中執(zhí)行某些計(jì)算任務(wù)將提高系統(tǒng)的效率并節(jié)省能源。

塞巴斯蒂安說：“如果看人類，我們的計(jì)算功率為20至30瓦，而當(dāng)今的AI是基于以千瓦或兆瓦功率運(yùn)行的超級計(jì)算機(jī)的?！?“在大腦中，突觸既計(jì)算又存儲信息。在馮·諾依曼之外的新架構(gòu)中，內(nèi)存在計(jì)算中必須發(fā)揮更加積極的作用。”

IBM團(tuán)隊(duì)從大腦中汲取了三個(gè)不同層次的靈感。第一級利用存儲設(shè)備的狀態(tài)動態(tài)來在內(nèi)存本身中執(zhí)行計(jì)算任務(wù)，類似于如何將大腦的內(nèi)存和處理置于同一位置。第二級利用大腦的突觸網(wǎng)絡(luò)結(jié)構(gòu)作為相變記憶（PCM）設(shè)備陣列的靈感，以加快深度神經(jīng)網(wǎng)絡(luò)的訓(xùn)練。最后，神經(jīng)元和突觸的動態(tài)性和隨機(jī)性激發(fā)了團(tuán)隊(duì)為尖刺神經(jīng)網(wǎng)絡(luò)創(chuàng)建強(qiáng)大的計(jì)算基礎(chǔ)。

相變存儲器是一種納米級存儲設(shè)備，由夾在電極之間的Ge，Te和Sb化合物構(gòu)建。這些化合物根據(jù)其原子排列表現(xiàn)出不同的電性能。例如，在無序相中，這些材料表現(xiàn)出高電阻率，而在結(jié)晶相中，它們表現(xiàn)出低電阻率。

通過施加電脈沖，研究人員調(diào)節(jié)了結(jié)晶相和非晶相中材料的比例，因此相變存儲器件可以支持連續(xù)的電阻或電導(dǎo)。這種模擬存儲更好地類似于非二進(jìn)制生物突觸，并使更多信息可以存儲在單個(gè)納米級設(shè)備中。

Sebastian和他的IBM同事在對這些擬議系統(tǒng)的效率進(jìn)行比較研究時(shí)遇到了令人驚訝的結(jié)果。“我們一直期望這些系統(tǒng)在某些任務(wù)上會比傳統(tǒng)的計(jì)算機(jī)系統(tǒng)好得多，但是我們驚訝的是其中一些方法的效率更高?！?/p>

去年，他們在常規(guī)計(jì)算機(jī)和基于相變存儲設(shè)備的原型計(jì)算存儲平臺上運(yùn)行了無監(jiān)督的機(jī)器學(xué)習(xí)算法。“ 與傳統(tǒng)的計(jì)算系統(tǒng)相比，相變存儲器計(jì)算系統(tǒng)的性能提高了200倍。” 塞巴斯蒂安說。“我們一直都知道它們會高效，但是我們并不期望它們有這么大的表現(xiàn)?！?該團(tuán)隊(duì)繼續(xù)基于大腦啟發(fā)的概念來構(gòu)建原型芯片和系統(tǒng)。