Mit dem Chip testeten die Forscher ein einfaches neuronales Netzwerk, mit dem Zahlen mit 100% iger Genauigkeit ermittelt werden konnten.
Anfang Dezember 2018 zeigte
IBM auf dem
IEEE International Electron Devices Meeting in San Francisco einen neuen 8-Bit-Analogchip. Die Hauptinnovation war jedoch nicht, dass analoge Chips ihre digitalen Gegenstücke einholten, sondern ein radikales Umdenken der Architektur. Dieser Chip war der erste Chip, der 8-Bit-Computing an derselben Stelle durchführte, an der Informationen gespeichert sind.
In der traditionellen von Neumann-Computerarchitektur werden Daten ständig zwischen Speicher und Prozessor übertragen, was viel wertvolle Energie und Zeit verbraucht, sagt
Abu Sebastian , Chefforscher dieser Arbeit vom IMB Zürich. Das Zählen im Speicher ist der nächste logische Schritt, um den Energieverbrauch zu senken und die Geschwindigkeit zu erhöhen. Und dies ist notwendig, damit die Ausrüstung mit den Fortschritten auf dem Gebiet der künstlichen Intelligenz Schritt halten kann.
Der neue analoge Chip von IBM basiert auf einem
Phasenwechselspeicher . Sein Hauptbestandteil ist ein Material, das als Reaktion auf elektrischen Strom seine Phase ändern kann. In der Regel handelt es sich dabei um Legierungen aus Germanium, Tellur und Antimon. In einer der leitenden Phasen richten sich die Atome gleichmäßig aus. In einer anderen Phase, die keinen Strom leitet, bewegen sich Atome, erwärmen sich durch Strom und mischen sich.
Ein Material, das die Phase zwischen zwei Elektroden ändert, wechselt nicht vollständig zwischen geordneten und chaotischen Zuständen, was einem Umschalten zwischen Null und Eins entsprechen würde. Stattdessen gibt es zu jedem Zeitpunkt eine Mischung aus beiden Zuständen. Der Gesamtwiderstand des Materials wird durch die Größe der Stellen mit gemischten Atomen bestimmt.
„Wir kodieren Informationen durch die Anordnung von Atomen“, sagt Sebastian. Beispielsweise können Gewichte in einem neuronalen Netzwerk als Widerstand eines Geräts mit variabler Phase gespeichert und abgerufen werden.
Diese Widerstände schweben und schwingen jedoch. Da beim Lesen von Informationen Strom durch das Material fließt, ändern sich die gemischten Abschnitte jedes Mal geringfügig - und dies schränkt die Genauigkeit und den praktischen Einsatz solcher Geräte ein.
Um dieses Problem zu umgehen, haben Forscher von IBM mit einem Phasenzustand das sogenannte sogenannte in das Gerät eingeführt Projektionssegment. Es wurde erstmals
für 2015 vorgeschlagen, und das gleiche Team hat es getan. Dies ist eine leitende Schicht aus Metallnitrid, die um die Mitte eines phasenwechselnden Materials gewickelt ist und parallel zu seinen Elektroden zwischen ihnen verläuft. Es teilt die Prozesse des Lesens und Schreibens von Informationen.
Das Projektionssegment macht zum Zeitpunkt der Aufnahme nichts. Der gesamte Strom fließt durch das phasenwechselnde Material und passt die gemischten Abschnitte an. Wenn die Informationen gelesen werden, fließt der Strom durch das Projektionssegment und umgeht die gemischten Bereiche. Sie bleiben intakt und schützen die darin gespeicherten Informationen. "Dies ist eine Schlüsselinnovation", sagt Sebastian.
Die Forscher testeten ein einschichtiges Netzwerk auf einem 8-Bit-Chip, der aus 30 Phasenwechselgeräten bestand, um Bilder der Zahlen 1, 0 und 4 zu erkennen, und erreichten eine Genauigkeit von 100%. Und obwohl dies noch eine vorläufige Analyse ist, schätzt Sebastian, dass ein solcher Durchbruch den Energieverbrauch der Geräte der Zukunft im Vergleich zu herkömmlichen Computersystemen um das 100-1000-fache senken kann.
Beim traditionellen Rechnen wurde die Genauigkeit bewertet, und im Bereich der künstlichen Intelligenz wurde der entgegengesetzte Trend beobachtet. IBM sprach auch über einen digitalen Chip, der mit 8 Bit arbeitet und beim Training neuronaler Netze die Genauigkeit beibehält. Dies bringt das Modell näher an die Funktionsweise des menschlichen Gehirns heran und kann mit einem Mangel an Informationen die richtigen Schlussfolgerungen ziehen.
Jeff Welser , Vice President of Research bei IBM, vergleicht dies mit einer Situation, in der Sie durch ein verschwommenes Fenster auf eine verschwommene Silhouette einer Person schauen, die sich Ihrem Zuhause nähert. "Sobald Sie verstehen, dass es Ihre Mutter ist, spielt die Genauigkeit des Bildes keine Rolle mehr", sagt Welzer. "Sie werden die richtigen Informationen haben."