当前位置:首页 > 股票行情

IBM认为模拟芯片可为机器学习加速1000倍:彩票网站平台_彩票注册

彩票网站注册_IBM成立了开发新一代AI硬件的研究中心,期待着扩大纳米技术的牵引研究。 IBM Research AI硬件中心的合作伙伴只包括半导体产业链上的公司,IBM生产和研究领域的战略合作伙伴三星、网络解决方案公司Mellanox Technologies、 建模和原型设计解决方案平台提供商Synopsys,半导体设备公司Applied Materials与位于纽约州奥尔巴尼的大学理工学院的主办者合作,展开了反对基础设施新处置硬件IBM研究院的半导体人工智能硬件副总裁Mukesh Khare表示,现在的机器学习允许是, 从数字AI核和近似计算中具有模拟核的内存计算中使用优化材料的模拟核图1 :制作1:IBM Research AI硬件中心制作的路线图,在今后10年内计算AI,使性能效率提高1000倍这些为了记忆权重在阵列交叉点具备非易失性存储材料。 DNN计算中的数值被加权以提高训练中决策的正确性。

这些需要用交叉点PCM阵列构筑,需要主机服务器CPU的介入,为了取得内存计算需要数据转移。 与英特尔XPoint SSD和DIMM等数字阵列配置相比,这是模拟阵列。 PCM沿着非晶状态和结晶状态之间的8级梯度记录神经元的权重。

彩票注册

每一步的电导或电阻可彩票网站平台以用电脉冲转换。 这八个阶段通过DNN计算得到了八位数的精度。 图2 :非易失性存储器的交叉开关阵列通过以数据方位继续计算,可以加快几乎连接的神经网络的训练。

仿真存储器芯片内部的计算在IBM的研究报告中认为“仿真非易失性存储器(NVM )可以有效地加速“反向传播”算法,这是许多最近AI技术变革的核心。 这些存储器允许基础物理学用于这些算法中使用的“乘法加法”运算,在模拟域中对权重数据进行方位处理。

“与大规模电路相加,加上数字是不同的。 通过电阻器在一根导线上连接小电流,连接很多这样的导线,只需要积累电流。 这样可以继续同时执行许多计算,而不必按顺序继续执行。

不是在数字存储器芯片和处置芯片之间传输数字数据,而是在模拟存储器芯片内继续执行所有计算。 “图3 :我们的模拟AI内核是性能效率存储器计算方法的一部分,通过避免与存储器的数据传输,突破了所谓的冯诺伊曼结构的瓶颈,提高了性能。

深度神经网络与模拟交叉点阵列同质化,转换新的非易失性材料特性,在交叉点存储网络参数。 (公众号:)编译器,viablocksandfiles,ibm blog版权文章,刊登许可证禁令。

以下,听取刊登的心得。-彩票网站注册。

本文来源:彩票网站平台-www.weaboodesu.com