年底，在哈布雷
杂志上刊登了一篇文章 ，内容是IBM能够基于具有相变存储器（相变存储器或PCM）的存储器创建第一个8位芯片。
今天，我们将告诉您IT巨头代表的设备如何工作。
/图片IBM Research CC BY-ND开发芯片的目的是什么？
现代机器学习系统主要基于图形处理器（GPU）进行操作。 它们需要主动散热，因为GPU的
加热速度比中央处理器（CPU）快两倍。 这转化为用于此类计算集群所在的数据中心的大量电费。
降低能耗的问题对于数据中心（DPC）至关重要。 据
分析师称 ，到2025年，数据中心将消耗所有发电量的20％。 为了降低数据中心成本，正在开发用于机器学习（MO）的新技术。 其中包括IBM的8位相变模拟存储器（PCM）。 根据开发人员的说法，新芯片的生产效率将比传统GPU高一百倍，并且所需能源要少280倍。
PCM存储器的优点是通过在一个设备上进行数据处理和存储这一事实来解释的。 在传统系统中，这些过程是分开的-数据必须在设备之间传输，因此，计算速度及其能效降低了。
该芯片使用8位浮点数。 通常，机器学习使用的数字精度更高，但是，根据IBM研究人员的说法，这足以应付日常任务。
该技术的创造者
设法将其应用于文本翻译以及语音和图像识别中。 IBM研究部副总裁Jeff Welser将芯片中神经网络
的操作与一个人在雾蒙蒙的窗户中看到模糊人物的情况进行了比较，但是仍然可以认出他的亲戚或朋友。
IBM已经展示了采用机器学习技术的PCM存储器的第一个成果。 在芯片上启动了一个简单的单层神经网络，该网络可以识别手写数字1、0和4。该算法以100％的精度区分图像。
IBM模拟内存如何工作
该芯片由锗，碲和锑的合金制成，位于两个电极之间。 当电流通过该材料时，它的状态从晶体变为非晶态。 这些状态表示零或一。
由于该相不会在合金的整个体积中变化，而只能在其一部分中变化，因此可以将0到1之间的中间值存储在单元中，当写入存储器时，数字不会“四舍五入”，这有助于提高工作算法的准确性在芯片上。
可以相信 ，这种数据存储方法可以更准确地传达人脑中神经元的行为。
读取数据时，一小电流流过单元并测量电阻。 在非晶态下，合金电阻比结晶态下的电阻高-此参数确定存储在电池中的数量。
尽管读取电压低于更改材料相态所需的电压，但会导致轻微的颗粒偏移和数据失真。 因此，IBM改进了PCM存储器，并在设备中增加了一层氮化钛，可以“
包裹 ”合金-这就是所谓的反射器。
/ Koelmans，WW等。 投影相变存储设备 / CC BY当记录数据时，反射器不会影响电流通过合金，因为在这种情况下氮化钛的电阻高于单元材料的电阻。 当读取数据时，单元材料的电阻变得比反射器的电阻高，因此电流绕过合金流过外层。 IBM将这种类型的内存称为Proj-PCM，或称为PCM的“带反射镜的PCM”。
技术展望
在IT行业中，新芯片反应积极。 据Ars Technica
的科学编辑说，该设备具有巨大的潜力-随着技术的发展和存储单元尺寸的减小，IBM可以使该设备的生产率至少提高100倍。 但是，IT巨头尚未解决一些困难。
首先是批量生产PCM存储器。 根据处理器市场分析师Linley Gwennap的说法，芯片特性（例如工作电压和电子电路电阻）因设备而异。 Gwennap认为IBM尚未开发合适的制造工艺，因此该模拟芯片不会很快成为商业产品。
另一个困难是
抵抗温度变化。 现在，在热或冷的影响下，合金改变了相。 因此，设备的创造者必须想出一种方法来保护芯片免受温度波动的影响。 可能的解决方案是减小设备的尺寸-研究
表明 ，该材料对温度的敏感度较小，层厚为几纳米。
/图片IBM Research CC BY-ND还有谁在为MO开发芯片
Mythic初创公司正在开发类似的技术。 该公司设备的核心是
多层闪存（多层单元或MLC）。 像在更常见的闪存设备中一样，一个芯片单元
不能存储两个或四个电荷水平，而是
可以存储 256个电荷水平。这大大增加了其容量。 预计此类内存将
用于在物联网设备（智能手机，无人机，智能扬声器和
助听器）中实现机器学习算法。
Syntiant
创建了另一个类似的芯片。 设备中的计算也可以在MLC存储器中进行。 该技术的主要优势是低功耗。 公司代表说，他们的设备消耗的电能比数字处理器少50倍。 Syntiant也将用于电池供电的小工具：智能手机，可穿戴设备，传感器和监控摄像头。 这家初创公司已经在研究该技术的第一个商业应用-一种“智能”麦克风。
通常，尚未将模拟PCM芯片设计用于高精度计算。 因此，它们与中央处理器和图形处理器结合使用。 IBM认为，混合架构可以在性能和准确性之间取得平衡。 但是在将来，预计模拟存储器
将能够代替数据中心中
的经典芯片。
第一个公司IaaS博客：
我们的电报IaaS博客：