Первый гибридный мемристорный чип позволяет напрямую обрабатывать ИИ на небольших устройствах

Первый гибридный мемристорный чип позволяет напрямую обрабатывать ИИ на небольших устройствах

Исследователи впервые разработали полнофункциональный программируемый мемристорный чип. Он может включать обработку ИИ непосредственно на небольших устройствах с ограниченным энергопотреблением, включая датчики и смартфоны.

Memristor — это компактное устройство, способное хранить и обрабатывать информацию в одном физическом месте. Эти устройства были тщательно изучены для оперативной памяти и нейроморфных приложений.

Хотя инженеры уже разработали мемристоры для алгоритмов машинного обучения, им требуются внешние компоненты обработки для функционирования. Для достижения оптимальной производительности ригели мемристора должны быть хорошо интегрированы с периферийными и управляющими цепями.

Теперь исследователи из Мичиганского университета впервые разработали полнофункциональный программируемый чип-мемристор, который позволяет обрабатывать ИИ непосредственно на небольших устройствах с ограниченным энергопотреблением, включая датчики и смартфоны.

Это означает, что сложные задачи, такие как голосовые команды, больше не нужно передавать в облако для интерпретации. Все вычисления могут выполняться на вашем смартфоне (без быстрого разряда батареи), ускоряя время отклика и повышая конфиденциальность и безопасность.

Мемристоры могут эффективно реализовывать алгоритмы ИИ

Поскольку мемристоры обрабатывают и хранят данные в одном месте, они устраняют барьер между процессором и памятью, значительно увеличивая скорость вычислений. Это чрезвычайно полезно при реализации глубоких нейронных алгоритмов, которые имеют дело с большим количеством данных для выполнения сложных задач, таких как распознавание объектов в видео и изображениях и выявление фактора риска серьезных заболеваний.

Разработчики предпочитают запускать такие алгоритмы на графических процессорах, поскольку они обеспечивают лучшую точность прогнозирования и более быстрые результаты при гораздо меньших затратах по сравнению с процессорами.

«Графические процессоры оптимизированы для параллельной обработки и в 10-100 раз лучше, чем процессоры, с точки зрения мощности и пропускной способности. Новый мемристорный чип может быть еще в 10-100 раз лучше », — Вей Лу, старший автор статьи.

Каждый мемристор может выполнять тысячи операций [внутри ядра] одновременно. Прототип, разработанный в этом исследовании, включает более 5800 мемристоров. Тем не менее коммерческое устройство будет иметь миллион мемристоров.

Массивы Memristors специально разработаны для запуска алгоритмов машинного обучения, которые преобразуют данные в векторы (список числовых представлений). Обычно эти векторы хранятся в матрицах, которые отображаются непосредственно на массивах мемристоров.

Первый программируемый чип Memristor

Исследовательская группа сначала разработала микросхему для интеграции матрицы мемристоров с другими компонентами — такими, как цифровые / аналоговые преобразователи, традиционные цифровые процессы и каналы связи, — необходимыми для программирования и запуска.

Затем они интегрировали массив мемристоров в этот чип и создали программу для отображения алгоритмов машинного обучения на матричную структуру матрицы мемристоров.

Они продемонстрировали устройство с тремя различными алгоритмами машинного обучения — разреженным алгоритмом кодирования, сетью персептрона и анализом основных компонентов, предназначенным для идентификации закономерностей в сложных данных.

Полная система может предоставить эффективные решения для сетей различных размеров и приложений, в которых обработка данных в реальном времени и низкое энергопотребление являются критическими факторами.

Постоянные инновации в оборудовании, схемах, архитектуре и усовершенствованиях алгоритмов, таких как квантованные нейронные сети, могут позволить этому мемристору решать гораздо более сложные и сложные задачи.


Источник