IBM研发新型神经网络芯片高度匹配GPU

作者: summer 2018-06-18 14:19:47

 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。

IBM神经网络

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。

IBM 神经网络 GPU
上一篇:人工智能辅助医生“阅片”:诊断准确率已超过95% 下一篇:世界杯运用AI预测比分,瑞士银行此次能否靠谱?
评论
取消
暂无评论,快去成为第一个评论的人吧

更多资讯推荐

用PyTorch实现一个简单的分类器

这篇文章我们先考虑在一个自己定义的简单数据集上实现分类,这样子可以最简单的了解一个神经网络的模型,如何用 pytorch 搭建起来。

佚名 ·  1天前
为什么神经网络如此强大?

众所周知,神经网络非常强大,可以将其用于几乎任何统计学习问题,而且效果很好。 但是您是否考虑过为什么会这样? 为什么在大多数情况下此方法比许多其他算法更强大?

闻数起舞 ·  2020-05-29 17:21:33
你在打王者农药,有人却用iPhone来训练神经网络

在 iOS 设备上也可以直接训练 LeNet 卷积神经网络,而且性能一点也不差,iPhone 和 iPad 也能化为实实在在的生产力。

佚名 ·  2020-05-28 15:55:06
画图太丑拿不出手?有人做了套机器学习专用画图模板,还有暗黑模式

论文、博客写好了,里面的图可怎么画?对于很多研究人员和开发者来说,内容的「可视化」是一个大问题。如果从头开始画,配色、空间布局都很伤脑筋,而且画丑了也拿不出手,要是有模板可以套就好了。

张倩、魔王 ·  2020-05-26 14:28:12
神经网络?决策树?都做不到!谁能解决可解释性AI?

神经网络是准确的,但无法解释;在计算机视觉中,决策树是可解释的,但不准确。可解释性AI(XAI)试图弥合这一分歧,但正如下面所解释的那样,“XAI在不直接解释模型的情况下证明了决策的合理性”。

读芯术 ·  2020-05-14 08:40:57
超简单的神经网络构建方法,你上你也行!

假如你只是了解人工神经网络基础理论,却从未踏足如何编写,跟着本文一起试试吧。你将会对如何在PyTorch 库中执行人工神经网络运算,以预测原先未见的数据有一个基本的了解。

读芯术 ·  2020-05-11 13:44:38
机器学习修炼手册:从倔强青铜到最强王者

居家隔离期间只顾着玩游戏刷剧真的不会坐立不安吗?与其心神不安打Boss,不如来面对机器学习这个大BOSS。笔者整理的这套课程从入门到高级,快来提升你的段位吧!

读芯术 ·  2020-05-10 18:02:42
人工智能的另一方向:基于忆阻器的存算一体技术

过去的十年以深度神经网络为代表的人工智能技术深刻影响了人类社会。但深度神经网络的发展已经进入瓶颈期,我们仍处于弱人工智能时代。如何更近一步,跨入强人工智能,敲击着每一位智能研究者的心。

蒋宝尚 ·  2020-05-08 10:20:35
Copyright©2005-2020 51CTO.COM 版权所有 未经许可 请勿转载