IBM研究院发布了一款开创性的模拟人工智能芯片,该芯片在执行深度神经网络(dnn)的复杂计算方面表现出卓越的效率和准确性。
这一突破发表在《自然电子》杂志最近的一篇论文中,标志着在实现高性能人工智能计算的同时大幅节约能源的重大进步。
在传统的数字计算架构上执行深度神经网络的传统方法在性能和能源效率方面存在局限性。这些数字系统需要在存储器和处理单元之间进行持续的数据传输,从而减慢计算速度并降低能量优化。
为了应对这些挑战,IBM研究院利用了模拟人工智能的原理,模拟了神经网络在生物大脑中的运作方式。这种方法包括使用纳米级电阻式存储设备,特别是相变存储器(PCM)来存储突触权重。
PCM装置通过电脉冲改变它们的电导,使突触重量的值连续。这种模拟方法减少了对过度数据传输的需求,因为计算是直接在内存中执行的,从而提高了效率。
该芯片是由64个模拟内存计算核心组成的尖端模拟人工智能解决方案。
每个核心集成了突触单元细胞的交叉棒阵列以及紧凑的模数转换器,在模拟和数字域之间无缝过渡。此外,每个核心内的数字处理单元管理非线性神经元激活函数和缩放操作。该芯片还拥有一个全球数字处理单元和用于互联的数字通信路径。
研究小组在CIFAR-10图像数据上实现了92.81%的精度,这是模拟人工智能芯片前所未有的精度水平,证明了芯片的实力。
每区域的吞吐量,以每秒千兆次操作(GOPS)为单位,与以前的内存计算芯片相比,突出了其优越的计算效率。这种创新芯片的节能设计加上其增强的性能使其成为人工智能硬件领域的里程碑式成就。
模拟人工智能芯片的独特架构和令人印象深刻的能力为未来在各种应用中实现节能人工智能计算奠定了基础。
IBM研究的突破性成果标志着一个关键的时刻,将为未来数年中的人工智能技术进步起到推动作用。