研究人员使用该芯片测试了一个简单的神经网络，该网络设法以100％的准确性确定数字。
在2018年12月开始的旧金山
IEEE国际电子设备会议上，
IBM展示了一种新的8位模拟芯片。 然而，主要的创新不是模拟芯片赶上了数字芯片，而是对架构进行了彻底的重新思考。 该芯片是第一个在存储信息的相同位置执行8位计算的芯片。
IMB Zurich这项研究的首席研究员
Abu Sebastian表示，在传统的冯·诺依曼（von Neumann）计算机体系结构中，数据不断在内存和处理器之间传输，这会消耗大量宝贵的能量和时间。 内存计数是减少能耗和提高速度的下一个逻辑步骤。 为了使设备与人工智能领域的发展保持同步，这是必要的。
IBM的新模拟芯片基于
相变存储器 。 它的关键成分是可以响应电流而改变相的材料。 通常这些是锗，碲和锑的合金，在其中一个导电相中，原子均匀排列。 在另一个不导电的相中，原子移动，被电流加热并混合。
在两个电极之间发生相变的材料不会完全在有序和混沌状态之间切换，这将对应于在零和单位之间切换。 相反，在每个时间点都有两种状态的混合。 材料的总电阻取决于具有混合原子的位点的大小。
“我们通过原子的排列来编码信息，”塞巴斯蒂安说。 例如，神经网络中的权重可以作为可变相设备的电阻进行存储和访问。
但是，这些电阻会浮动并振荡。 由于电流在读取信息时流过材料，因此混合部分每次都会随着时间的推移而略有变化-这限制了此类设备的准确性和实际使用。
为了解决这个问题，IBM的研究人员将相态改变引入了设备，即所谓的 投影段。 它最初被
提议在2015年使用，并且由同一团队进行。 这是金属氮化物的导电层，包裹在相变材料的中心并平行于它们之间的电极。 它共享读取和写入信息的过程。
投影时，投影段不执行任何操作。 所有电流都通过相变材料并调整混合部分。 但是，当读取信息时，电流会流过投影段，绕过混合区域，它们将保持完整并保护其中存储的信息。 “这是一项关键的创新，”塞巴斯蒂安说。
研究人员在一个由30个相变设备组成的8位芯片上测试了单层网络，以识别数字1、0和4的图像，并实现了100％的精度。 尽管这仍是初步分析，但塞巴斯蒂安估计，与传统计算机系统相比，这一突破可以将未来设备的能耗降低100-1000倍。
在传统计算中，重视准确性，而在人工智能领域则观察到相反的趋势。 IBM还谈到了一种数字芯片，该芯片可在训练神经网络时使用8位并保持准确性。 这使模型更接近人脑的工作方式，能够在缺乏信息的情况下得出正确的结论。
IBM研究部副总裁
Jeff Welser将这种情况与您透过模糊的窗户观察并看到有人接近您的房屋的轮廓模糊的情况进行了比较。 “一旦您知道是您的母亲，图像的准确性就不再重要了，” Welzer说。 “您将获得正确的信息。”