第一臺(tái)可編程憶阻器計(jì)算機(jī)旨在將AI處理從云計(jì)算中降低

憶阻器陣列芯片插入到定制計(jì)算機(jī)芯片中，形成了第一臺(tái)可編程憶阻器計(jì)算機(jī)。該團(tuán)隊(duì)證明了它可以運(yùn)行三種標(biāo)準(zhǔn)類型的機(jī)器學(xué)習(xí)算法。

密歇根大學(xué)開發(fā)了第一臺(tái)可編程憶阻器計(jì)算機(jī)，而不僅僅是通過外部計(jì)算機(jī)操作的憶阻器陣列。

它可能導(dǎo)致直接在智能手機(jī)和傳感器等能耗受限的小型設(shè)備上處理人工智能。智能手機(jī)AI處理器意味著不再需要將語音命令發(fā)送到云中進(jìn)行解釋，從而加快了響應(yīng)時(shí)間。

UM的電子與計(jì)算機(jī)工程教授，《自然電子》研究的資深作者韋魯說：“每個(gè)人都希望在智能手機(jī)上安裝AI處理器，但您不希望手機(jī)的電池很快耗盡。”

在醫(yī)療設(shè)備中，無需云即可運(yùn)行AI算法的功能將實(shí)現(xiàn)更好的安全性和隱私性。

為什么憶阻器適合機(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計(jì)算機(jī)組件。該電路元件是帶存儲(chǔ)器的電阻器，具有可變電阻，可以用作信息存儲(chǔ)的形式。由于憶阻器在同一位置存儲(chǔ)和處理信息，因此它們可以繞開計(jì)算速度和功能的最大瓶頸：內(nèi)存和處理器之間的連接。

這對于處理大量數(shù)據(jù)以執(zhí)行諸如識(shí)別照片和視頻中的對象或預(yù)測哪些醫(yī)院患者感染風(fēng)險(xiǎn)更高的事情的機(jī)器學(xué)習(xí)算法尤其重要。程序員已經(jīng)喜歡在圖形處理單元上運(yùn)行這些算法，而不是在計(jì)算機(jī)的主處理器(處理器)上運(yùn)行。

“在功耗和吞吐量方面，GPU以及非常定制和優(yōu)化的數(shù)字電路被認(rèn)為比CPU好約10-100倍。”陸說。“憶阻器AI處理器的性能可能再提高10到100倍。”

GPU在機(jī)器學(xué)習(xí)任務(wù)上表現(xiàn)更好，因?yàn)樗鼈兙哂袛?shù)千個(gè)小的內(nèi)核可一次運(yùn)行所有計(jì)算，而不是一連串的計(jì)算等待它們在CPU中為數(shù)不多的強(qiáng)大內(nèi)核之一上運(yùn)行。

憶阻器陣列使這一點(diǎn)更進(jìn)一步。每個(gè)憶阻器都可以進(jìn)行自己的計(jì)算，從而允許一次在一個(gè)內(nèi)核中執(zhí)行數(shù)千個(gè)操作。在這個(gè)實(shí)驗(yàn)規(guī)模的計(jì)算機(jī)中，有5800多個(gè)憶阻器。商業(yè)設(shè)計(jì)可能包含數(shù)百萬個(gè)。

憶阻器陣列特別適合于機(jī)器學(xué)習(xí)問題。這樣做的原因是機(jī)器學(xué)習(xí)算法將數(shù)據(jù)轉(zhuǎn)換為矢量的方法，本質(zhì)上就是數(shù)據(jù)點(diǎn)列表。例如，在預(yù)測患者在醫(yī)院中感染的風(fēng)險(xiǎn)時(shí)，此向量可能會(huì)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)在內(nèi)存中的“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。向量存儲(chǔ)在矩陣中，就像數(shù)學(xué)電子表格一樣，這些矩陣可以直接映射到憶阻器陣列上。

此外，隨著數(shù)據(jù)通過陣列饋送，大部分的數(shù)學(xué)處理都是通過憶阻器中的自然電阻進(jìn)行的，從而無需將特征向量移入和移出內(nèi)存即可執(zhí)行計(jì)算。這使得陣列在復(fù)雜的矩陣計(jì)算中非常高效。早期的研究表明憶阻器陣列可以加快機(jī)器學(xué)習(xí)的速度，但是它們需要外部計(jì)算元件才能發(fā)揮作用。

建立可編程的憶阻器計(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的電氣和計(jì)算機(jī)工程副教授Zhang Zhengya教授和Michael Flynn教授一起設(shè)計(jì)了一種芯片，該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素集成在一起它。這些組件包括常規(guī)的數(shù)字處理器和通信通道，以及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的數(shù)字/模擬轉(zhuǎn)換器。

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

該團(tuán)隊(duì)通過三種基本的機(jī)器學(xué)習(xí)算法演示了該設(shè)備：

Perceptron，用于對信息進(jìn)行分類。他們能夠以100%的精度識(shí)別出不完美的希臘字母

稀疏編碼，可對數(shù)據(jù)(尤其是圖像)進(jìn)行壓縮和分類。該計(jì)算機(jī)能夠找到最有效的方法來以一組確定的模式重建圖像，并具有100%的準(zhǔn)確性

兩層神經(jīng)網(wǎng)絡(luò)，旨在查找復(fù)雜數(shù)據(jù)中的模式。這個(gè)由兩層組成的網(wǎng)絡(luò)在乳腺癌篩查數(shù)據(jù)中發(fā)現(xiàn)了共性和差異因素，然后將每個(gè)病例分類為惡性或良性，準(zhǔn)確率為94.6%。

擴(kuò)大規(guī)模以用于商業(yè)用途存在挑戰(zhàn)-憶阻器尚未達(dá)到所需的相同程度，并且存儲(chǔ)在陣列中的信息并不完全可靠，因?yàn)樗谀M的連續(xù)體而不是數(shù)字或非數(shù)字。這些是陸氏團(tuán)隊(duì)的未來方向。

Lu計(jì)劃將該技術(shù)商業(yè)化。該研究的標(biāo)題是“用于高效乘法累加運(yùn)算的完全集成的可重新編程憶阻器-CMOS系統(tǒng)。”