第一個(gè)可編程憶阻器計(jì)算機(jī)旨在將AI處理從云端帶下來(lái)

第一個(gè)可編程憶阻器計(jì)算機(jī) - 不僅僅是通過(guò)外部計(jì)算機(jī)操作的憶阻器陣列 - 已在密歇根大學(xué)開(kāi)發(fā)。

它可能導(dǎo)致直接在小型，能量受限的設(shè)備(如智能手機(jī)和傳感器)上處理人工智能。智能手機(jī)AI處理器意味著不再需要將語(yǔ)音命令發(fā)送到云端進(jìn)行解釋?zhuān)瑥亩涌祉??應(yīng)時(shí)間。

“每個(gè)人都希望在智能手機(jī)上安裝AI處理器，但你不希望你的手機(jī)電池耗電很快，”電子和計(jì)算機(jī)工程教授，自然電子研究的高級(jí)作者Wei Lu說(shuō)。

在醫(yī)療設(shè)備中，在沒(méi)有云的情況下運(yùn)行AI算法的能力將實(shí)現(xiàn)更好的安全性和隱私性。

為什么憶阻器有利于機(jī)器學(xué)習(xí)

實(shí)現(xiàn)這一目標(biāo)的關(guān)鍵可能是稱為憶阻器的高級(jí)計(jì)算機(jī)組件。該電路元件是具有存儲(chǔ)器的電阻器，具有可變電阻，可用作信息存儲(chǔ)的形式。由于憶阻器在同一位置存儲(chǔ)和處理信息，因此它們可以解決計(jì)算速度和功耗的最大瓶頸：內(nèi)存和處理器之間的連接。

這對(duì)于處理大量數(shù)據(jù)的機(jī)器學(xué)習(xí)算法尤其重要，例如識(shí)別照片和視頻中的對(duì)象，或預(yù)測(cè)哪些醫(yī)院患者感染的風(fēng)險(xiǎn)較高。程序員已經(jīng)喜歡在圖形處理單元而不是計(jì)算機(jī)的主處理器(處理單元)上運(yùn)行這些算法。

“ 就功率和吞吐量而言，GPU和非常定制和優(yōu)化的數(shù)字電路被認(rèn)為比CPU好10到100倍。” 陸說(shuō)。“憶阻器AI處理器可能會(huì)再好10到100倍。”

GPU在機(jī)器學(xué)習(xí)任務(wù)中的表現(xiàn)更好，因?yàn)樗鼈冇袛?shù)千個(gè)小核心可以同時(shí)運(yùn)行計(jì)算，而不是等待CPU中少數(shù)強(qiáng)大核心之一的計(jì)算串。

憶阻器陣列更進(jìn)一步。每個(gè)憶阻器都能夠進(jìn)行自己的計(jì)算，允許一次執(zhí)行核心內(nèi)的數(shù)千次操作。在這個(gè)實(shí)驗(yàn)規(guī)模的計(jì)算機(jī)中，有超過(guò)5,800個(gè)憶阻器。商業(yè)設(shè)計(jì)可能包括數(shù)百萬(wàn)。

魏璐與第一作者Seung Hwan Lee，一位電氣工程博士生，擁有憶阻器陣列。圖片來(lái)源：Robert Coelius，密歇根工程學(xué)院

憶阻器陣列特別適合機(jī)器學(xué)習(xí)問(wèn)題。這樣做的原因是機(jī)器學(xué)習(xí)算法將數(shù)據(jù)轉(zhuǎn)換為向量的方式 - 本質(zhì)上是數(shù)據(jù)點(diǎn)列表。例如，在預(yù)測(cè)患者在醫(yī)院感染的風(fēng)險(xiǎn)時(shí)，該向量可能列出患者風(fēng)險(xiǎn)因素的數(shù)字表示。

然后，機(jī)器學(xué)習(xí)算法將這些“輸入”向量與存儲(chǔ)在存儲(chǔ)器中的“特征”向量進(jìn)行比較。這些特征向量代表數(shù)據(jù)的某些特征(例如潛在疾病的存在)。如果匹配，則系統(tǒng)知道輸入數(shù)據(jù)具有該特征。矢量存儲(chǔ)在矩陣中，類(lèi)似于數(shù)學(xué)電子表格，這些矩陣可以直接映射到憶阻器陣列上。

更重要的是，當(dāng)數(shù)據(jù)通過(guò)陣列饋送時(shí)，大部分?jǐn)?shù)學(xué)處理通過(guò)憶阻器中的自然電阻發(fā)生，消除了將特征向量移入和移出存儲(chǔ)器以執(zhí)行計(jì)算的需要。這使得陣列在復(fù)雜的矩陣計(jì)算中非常有效。早期的研究證明了憶阻器陣列有可能加速機(jī)器學(xué)習(xí)，但它們需要外部計(jì)算元件才能運(yùn)行。

構(gòu)建可編程憶阻器計(jì)算機(jī)

為了構(gòu)建第一臺(tái)可編程憶阻器計(jì)算機(jī)，Lu的團(tuán)隊(duì)與UM的電子和計(jì)算機(jī)工程副教授張亞亞和Michael Flynn教授一起設(shè)計(jì)了一個(gè)芯片，可以將憶阻器陣列與編程和運(yùn)行所需的所有其他元件集成在一起。它。這些組件包括傳統(tǒng)的數(shù)字處理器和通信通道，以及數(shù)字/模擬轉(zhuǎn)換器，用作模擬憶阻器陣列和計(jì)算機(jī)其余部分之間的解釋器。

然后，Lu的團(tuán)隊(duì)將憶阻器陣列直接集成在UM的Lurie Nanofabrication Facility的芯片上。他們還開(kāi)發(fā)了將機(jī)器學(xué)習(xí)算法映射到憶阻器陣列的矩陣結(jié)構(gòu)上的軟件。

該團(tuán)隊(duì)使用三種面包機(jī)器學(xué)習(xí)算法演示了該設(shè)備：

Perceptron，用于對(duì)信息進(jìn)行分類(lèi)。他們能夠100%準(zhǔn)確地識(shí)別出不完美的希臘字母

稀疏編碼，壓縮和分類(lèi)數(shù)據(jù)，特別是圖像。該計(jì)算機(jī)能夠找到最有效的方式來(lái)重建一組具有100%的準(zhǔn)確度和圖像識(shí)別的模式

雙層神經(jīng)網(wǎng)絡(luò)，旨在尋找復(fù)雜數(shù)據(jù)中的模式。這個(gè)雙層網(wǎng)絡(luò)在乳腺癌篩查數(shù)據(jù)中找到了共性和差異因素，然后將每個(gè)病例分類(lèi)為惡性或良性，準(zhǔn)確率為94.6%。

擴(kuò)展商業(yè)用途存在挑戰(zhàn) - 憶阻器還不能像它們需要的那樣完全相同，并且存儲(chǔ)在陣列中的信息并不完全可靠，因?yàn)樗\(yùn)行在模擬的連續(xù)體而不是數(shù)字上。這些是陸氏集團(tuán)的未來(lái)方向。

盧計(jì)劃將這項(xiàng)技術(shù)商業(yè)化。該研究的標(biāo)題是“完全集成的可重編程憶阻器-CMOS系統(tǒng)，用于高效的乘法累加運(yùn)算。”