近日，《自然》杂志上的一篇论文中，IBM Research博士后研究员Stefano AmbrogioAmbrogio和他的同事们描述了他们利用新兴的模拟记忆和更传统的电子元件组合创造出了一种芯片，这种芯片可以与GPU的精度相匹配，同时运行速度更快，能耗更少。
该芯片中运用“突触单元”解决了存储技术难以训练深层神经网络的问题，以前在训练深层神经网络时，需要将每个神经元的权重进行上下数千次的刺激，直到网络完全对齐，当改变这些设备的电阻时，又需要重新配置它们的原子结构，并且每次的操作过程都不一样，所以，这些刺激并不总是完全相同，导致了对神经元权重的不精确的调整。但是新研发的“突触单元”则可以使每一个“突触单元”都和网络中的单个神经元相对应，同时具有长期和短期记忆。每个单元格由一对相变存储器(PCM)单元和三个晶体管以及一个电容的组合构成，PCM可以在电阻中存储权重数据，而电容可以将权重数据存储为电荷。
Ambrogio表示，最终的芯片将被设计成可以与GPU合作的形式，从而在处理其它连接时也能够处理全连接层的计算。他还认为，这种处理全连接层的更有效的方法可以被更广泛地应用。
而对于该芯片的应用，Ambrogio表示：一是可以将人工智能应用到个人设备上，二是使数据中心更加高效。如果直接在个人设备上应用人工智能，用户就可以不必在云端分享他们的数据，从而增加隐私性，而更令人兴奋的前景是人工智能的个性化——在汽车或智能手机上应用这个神经网络，智能设备就能够不断地从人们的经验中学习。
