首次!一个可编程忆阻器的计算机诞生了!

作者: 元子 2019-07-19 19:42:58

 

 人类历史上,第一个可编程忆阻器计算机诞生,不再需要将语音命令发送到云端进行解释,直接在智能手机上通过 AI 处理器完成,极大的加快响应时间。在一些更加注重私密性的场景比如医疗设备中,具有更好的安全性和隐私性。

你有没有想过,智能手机将来也有可能直接处理复杂的人工智能任务?关键在它:人类历史上,第一个可编程忆阻器计算机。

不仅仅是通过外部计算机操作的忆阻器阵列,密歇根大学开发的这个可编程忆阻器计算机,可以直接在小型、能量受限的设备(如智能手机和传感器)上处理人工智能任务。

也就是说,在未来,不再需要将语音命令发送到云端进行解释,直接在智能手机上通过 AI 处理器完成,极大的加快响应时间。在一些更加注重私密性的场景比如医疗设备中,能够实现更好的安全性和隐私性。

人工智能强大的算力带来的负面影响之一就是巨额的能耗。每个人都希望在智能手机上安装 AI 处理器,但你肯定不希望手机一天充电 12 次。

为什么忆阻器有利于机器学习

这里提到的忆阻器的高级计算机组件,是具有存储器、可变电阻的电阻器,可用作信息存储。

由于忆阻器在同一位置存储和处理信息,因此它们可以解决掉计算速度及功耗的杀手——内存和处理器之间的连接。

这对于处理大量数据的机器学习算法尤其重要,例如识别照片和视频中的对象,或预测哪些医院患者具有较高的感染风险。

如今,程序员已经习惯于在图形处理单元(GPU)而不是 CPU 上运行这些算法。

“就功率和吞吐量而言,GPU、定制的优化数字电路被认为比 CPU 好 10 到 100 倍。”Lu 说。“忆阻器 AI 处理器可能会再好上 10 到 100 倍。”

GPU 在机器学习任务中表现优秀,因为它们有数千个小核心可以同时运行计算。忆阻器阵列则更进一步,每个忆阻器都能够独立进行计算,一个内核里可以一次性执行数千次操作。

本次用于实验的计算机拥有超过 5800 个忆阻器。而用于商业的话,可能包括数百万个。

忆阻器阵列特别适合解决机器学习任务,这是因为机器学习算法将数据转换为向量。例如,预测患者在医院的感染风险时,该向量可以将存在感染风险的因素以数字表示列出。

然后,机器学习算法将这些“输入”向量,与在存储器中的“特征”向量进行比较。如果匹配,则系统知道输入数据具有该特征。向量存储在矩阵中,类似于数学电子表格,这些矩阵可以直接映射到忆阻器阵列上。

更重要的是,当数据通过阵列反馈时,大部分数学处理通过忆阻器中的自然电阻发生,消除了将特征向量移入和移出存储器而导致的额外计算。这使得阵列在复杂的矩阵计算中非常高效。

早期的研究证明了忆阻器阵列有可能加速机器学习,但它们需要外部计算元件才能运行。

构建可编程忆阻器计算机

为了构建第一台可编程忆阻器计算机,Lu 的团队与U-M 的电子和计算机工程副教授 Zhengya Zhang 和 Michael Flynn 教授一起设计了一个芯片,可以将忆阻器阵列与编程和运行所需的所有其他元件集成在一起。

这些组件包括传统的数字处理器和通信通道,以及数字/模拟转换器,用作模拟忆阻器阵列和计算机其余部分之间的解释器。

然后,Lu 的团队将忆阻器阵列直接集成在U-M 的 Lurie Nanofabrication Facility 的芯片上。他们还开发了将机器学习算法映射到忆阻器阵列的矩阵结构上的软件。

该团队使用三种基本机器学习算法演示了该设备:

  • 感知机(Perceptron),用于对信息进行分类。能够 100% 准确地识别出不完美的希腊字母
  • 稀疏编码,压缩并分类数据,特别是图像。计算机能够找到最有效的方法来重建一组图像,并以 100% 的准确度识别出其模式
  • 双层神经网络,旨在寻找复杂数据中的模式。这个双层网络在乳腺癌筛查数据中找到了共性和差异因素,然后将每个病例分类为恶性或良性,准确率为 94.6%

扩展商业用途存在挑战。但 Lu 计划将这项技术商业化。该研究的标题是“完全集成的可重编程忆阻器-CMOS 系统,用于高效的乘法累加运算。”

编程 计算机 开发
上一篇:为什么物联网的未来需要依赖机器学习 下一篇:盖茨看好人工智能 但不理解谷歌重金押注无人驾驶
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

500亿参数,支持103种语言:谷歌推出「全球文字翻译」模型

由于缺乏平行数据,小语种的翻译一直是一大难题。来自谷歌的研究者提出了一种能够翻译 103 种语言的大规模多语言神经机器翻译模型,在数据丰富和匮乏的语种翻译中都实现了显著的性能提升。

机器之心 ·  1天前
对于人工智能的恐惧及其5个解决方法

实施人工智能技术的IT领导人可能会感到一些恐惧,这有着充分的理由。人工智能在拥有数十年发展和应用历史的同时却有着奇怪的定位,但对于许多人来说,人工智能仍然是一种未来主义的感觉。

Kevin Casey ·  1天前
机器学习免费跑分神器:集成各大数据集,连接GitHub就能用

搞机器学习的小伙伴们,免不了要在各种数据集上,给AI模型跑分。现在,Papers with Code (那个以论文搜代码的神器) 团队,推出了自动跑分服务,名叫sotabench,以跑遍所有开源模型为己任。

栗子 鱼羊 ·  1天前
PyTorch横扫顶会,TensorFlow退守业界:机器学习框架一年变天

机器学习框架的世界,局势变化过于迅猛,稍不注意就会被抢了地盘。一年前,TensorFlow还是各大顶会论文选择的主流框架,如今顶会几乎成了PyTorch的天下。

鱼羊 栗子 ·  2天前
使机器学习更容易采用的6种工具

所有这些功能都为那些使用数字、电子表格和数据的人们开启了机器学习的世界,消除了对编程和数据科学的巨大需求。下面的六个选项简化了用户使用机器学习算法在数字海洋中找到答案。

Peter Wayner ·  2019-09-23 10:59:31
为什么85%的人工智能项目都失败了?

如今,人工智能(AI)已经广泛应用于人力资源、供应链、多层次营销等各个领域。很多企业在数据科学家身上投入了大量资金,以引领数据团队实现业务增长。风险和混乱都是人工智能项目失败的常见原因和主要因素。

Krunal Vyas ·  2019-09-09 14:18:35
五行代码用图提升模型表现,TensorFlow开源NSL神经结构学习框架

今日,谷歌 TensorFlow 宣布推出神经结构学习(NSL)开源框架,它使用神经图学习方法来训练带有图和结构化数据的神经网络。

一鸣、李亚洲 ·  2019-09-04 15:07:15
福利,PyTorch中文版官方教程来了

PyTorch 是近年来较为火爆的深度学习框架,然而其中文版官方教程久久不来。近日,一款完整的 PyTorch 中文版官方教程出炉,读者朋友可以更好的学习了解 PyTorch 的相关细节了。

佚名 ·  2019-09-02 14:58:03
Copyright©2005-2019 51CTO.COM 版权所有 未经许可 请勿转载