211service.com
Nowa forma pamięci może przyczynić się do rozwoju komputerów inspirowanych mózgiem
Nowa forma pamięci komputera może pomóc maszynom dostosować się do możliwości ludzkiego mózgu, jeśli chodzi o zadania takie jak interpretacja obrazów lub nagrań wideo.
Układ pamięci z przemianą fazową, który uczy się rozpoznawać odręczne liczby, symulując sieć neuronów, jest testowany w Almaden Research Center IBM niedaleko San Jose w Kalifornii.
Naukowcy z IBM wykorzystali tak zwaną pamięć przemiany fazowej do zbudowania urządzenia, które przetwarza dane w sposób inspirowany pracą mózgu biologicznego. Korzystając z prototypowego układu pamięci o przemianie fazowej, naukowcy skonfigurowali system tak, aby działał jak sieć 913 neuronów z 165 000 połączeń, czyli synaps, między nimi. Siła tych połączeń zmienia się, gdy chip przetwarza przychodzące dane, zmieniając sposób, w jaki wirtualne neurony wpływają na siebie nawzajem. Wykorzystując tę właściwość, naukowcy nauczyli system rozpoznawania odręcznych liczb.
Oczekuje się, że pamięć zmiennofazowa trafi na rynek w ciągu najbliższych kilku lat. Potrafi szybciej zapisywać informacje i upakować je gęściej niż pamięć używana w dzisiejszych komputerach (zobacz Przegląd przyszłych napędów dyskowych ). Układ pamięci o przemianie fazowej składa się z siatki komórek, z których każdy może przełączać się między dwoma stanami, aby reprezentować cyfrowy bit informacji — jeden lub 0 . W systemie eksperymentalnym IBM każda synapsa jest reprezentowana przez parę współpracujących ze sobą komórek pamięci.
Informatycy od jakiegoś czasu pracują nad chipami, które z grubsza naśladują neurony i synapsy. Takie neuromorficzne projekty radykalnie różnią się od chipów, których używamy dzisiaj. Obiecują jednak, że sprawią, że komputery będą wydajne w zadaniach, które komputery zwykle stanowią wyzwanie, takich jak uczenie się na podstawie doświadczenia lub rozumienie wideo (patrz Thinking in Silicon ).
Na początku tego roku IBM ogłosił najbardziej złożony układ neuromorficzny (patrz IBM Chip Processes Data like to Your Brain). Została wykonana przy użyciu technik i komponentów używanych do budowy procesorów smartfonów.
System eksperymentalny ogłoszony przez badaczy IBM w tym tygodniu jest znacznie mniej wydajny niż ten chip. Ale fakt, że 165 000 synaps nowego systemu jest tworzonych przy użyciu pamięci o przemianie fazowej, jest znaczący, mówi Geoff Burr, naukowiec z IBM Almaden Research Center w San Jose w Kalifornii.
Uważa się, że pamięć przemiany fazowej jest szczególnie odpowiednia dla neuromorficznych systemów komputerowych, ponieważ przechowuje dane tak gęsto, że umożliwia tworzenie systemów inspirowanych mózgiem z wieloma większą liczbą synaps, mówi Burr. Pamięć zmiany fazy jest również prostsza do przeprogramowania. To sprawia, że jest to praktyczne w budowaniu systemu neuromorficznego, który jest w stanie się uczyć, dostosowując swoje zachowanie, gdy jest zasilany nowymi danymi.
Wcześniejsze wysiłki na rzecz wykorzystania pamięci przemiany fazowej do budowy układów neuromorficznych były skromne i obejmowały 100 lub mniej synaps, mówi Burr. Nowy system, zbudowany we współpracy z kolegami z IBM i Pohang University of Science and Technology w Korei, jest ponad 1000 razy większy. Referat na temat ich wyników został przedstawiony na Międzynarodowe Spotkanie Urządzeń Elektronowych w San Francisco na początku tego miesiąca.
Zespół był w stanie stworzyć znacznie większy system, ponieważ opracował techniki pomiaru i kompensacji naturalnej zmienności wydajności każdej jednostki pamięci zmiany fazy. Podobna zmienność wpływa dziś na konwencjonalne układy pamięci w naszych telefonach i komputerach, ale metody sprawdzania błędów są bardziej zaawansowane w przypadku tych urządzeń.
Po wyświetleniu 5000 oznaczonych obrazów odręcznych cyfr ze standardowego zestawu danych, chip badaczy mógł rozpoznać odręcznie napisane cyfry, których nigdy wcześniej nie widział, z dokładnością do 82 procent. Burr mówi, że niedawne poprawki w metodach kompensacji błędów jego zespołu powinny pozwolić na zwiększenie dokładności do blisko 99 procent.
Eugenio Culurciello Profesor na Purdue University, który pracuje nad projektami chipów neuromorficznych, mówi, że pamięć przemiany fazowej może w interesujący sposób ulepszyć projekty neuromorficzne. Zauważa jednak, że inżynierowie są na wczesnym etapie zrozumienia, jak tworzyć chipy w stylu mózgu. Te rzeczy wciąż są trochę egzotyczne, mówi.