一种全合一的计算方法
普通的台式电脑,笔记本电脑和智能手机,都有处理电脑和内存的处理器。他们被称为冯·诺依曼系统,以物理学家和计算机科学家约翰·冯·诺依曼命名,他是现代数字计算领域的先驱。它们通过在存储器和计算单元之间来回移动数据来工作;一个过程可以,而且经常是,最终变得缓慢而不是非常有效。
至少,不像我们使用“计算性记忆”那样快或有效率。也被称为“内存计算”,计算内存允许使用计算机系统内存的物理属性来存储和处理信息。
IBM Research的一个团队声称,他们成功地使用了100万相变存储器(PCM)设备来运行无监督机器学习算法,从而在计算内存方面取得了突破。这项研究的细节已经发表在《自然通讯》杂志上。
IBM团队的PCM设备是由一种锗锑碲合金制成的,它被堆叠在两个电极之间。IBM Research ' s blog上的一篇文章称:“[T]他的原型技术有望在速度和能源效率上提高200倍,这使得它非常适合于在人工智能领域应用超高密度、低功耗和大规模并行计算系统。”
适合的人工智能
新的PCM装置可以通过结晶动力学进行计算。从本质上讲,这涉及到一种电流被应用到PCM的材料上,它将其状态从无序的原子排列变成了有序的结构——即晶体。IBM团队使用了两个基于时间的例子演示了他们的PCM技术,然后与传统的机器学习方法进行了比较。
显然,执行计算的能力将使所有计算机性能受益。对于IBM来说,这意味着人工智能应用程序的计算能力更强。“这是我们研究人工智能的一个重要步骤,它探索了新的硬件材料、设备和架构,”IBM研究员和研究的合作者Evangelos Eleftheriou在博客中引用的一份声明中说。
计算性记忆为信息的“实时”处理提供了一个机会;在当今世界,越来越多的公司开始重视数据分析。与此同时,像亚马逊(Amazon)和谷歌(谷歌)这样的行业巨头在其业务的中心,更快地计算人工智能应用程序确实是一个可喜的发展。
对于IBM来说,内存中的计算是关键。“迄今为止,记忆一直被视为我们储存信息的地方。”但在这项工作中,我们最终证明了我们如何利用这些记忆装置的物理原理来执行相当高水平的计算原语,”主要作者阿布·塞巴斯蒂安说。“计算结果也存储在记忆设备中,在这个意义上,这个概念被大脑计算的方式所激发。”