广告

为人工智能的进一步发展寻求新兴内存

时间:2019-01-02 作者:Gary Hilson 阅读:
随着半导体公司积极寻求更有效处理AI和神经形态运算的方法,ReRAM以及其他新兴内存技术在过去一年来受到了广泛的关注……
EETC https://www.eet-china.com

随着半导体公司积极寻求更有效处理人工智能(AI)和神经形态运算要求的方法,电阻式随机存取内存(ReRAM)以及其他新兴内存技术在过去一年来受到了广泛的关注。6dFEETC-电子工程专辑

在去年12月初于旧金山举行的国际电子组件会议(IEDM)上,来自IBM等几家公司以及各大学发表的几篇研究论文中,都提到了在神经运算中采用了新兴内存。6dFEETC-电子工程专辑

长期观察内存市场的Objective Analysis首席分析师Jim Handy说:“支持神经形态运算的阵营对于这方面的进展感到振奋。我并不是指任何“新兴的内存技术”都能脱颖而出,但它们确实都拥有一些特质。关键就在于谁将率先找到能让市场更具意义的东西。”6dFEETC-电子工程专辑

神经形态应用是专为模拟人类大脑如何学习和处理信息而设计的,而ReRAM组件则有望实现高密度和最终可调整的神经形态架构,因为它们明显比现有的AI数据中心尺寸更小且更具高能效。它们还可模拟大脑在神经元和突触级的生物运算。6dFEETC-电子工程专辑

Handy说:“真正的美妙之处在于它可以大幅降低AI系统的成本和功耗。”6dFEETC-电子工程专辑

为此,Weebit Nano最近与德里印度理工学院(Indian Institute of Technology Delhi;IITD)的非挥发内存(NVM)部门携手展开一项合作研究计划,将Weebit的SiOx ReRAM技术应用于AI的计算机芯片。6dFEETC-电子工程专辑

带领IITD非挥发性记忆研究小组的该校电气工程系教授Manan Suri表示,该研究小组的目标在于创造一个“以NVM为中心的未来”(NVM-centric future),让NVM的作用超越了简单的储存功能。目前的研究领域包括运算、感测和安全。IITD还开设了关于挥发性和非挥发性内存的专业课程,一些研究人员则参与该校物理系的NVM相关材料研究。此外,它还与IBM合作人工智能计划。6dFEETC-电子工程专辑

Suri表示,ReRAM和其他新兴NVM组件具有多种优势,例如非挥发性、CMOS兼容性、超高密度、简单的整合和制造,以及低成本,而且NVM组件对于实现AI硬件、加速器和神经形态硬件应用至关重要。他说:“这种记忆几乎可说是专用神经形态AI硬件系统成败的关键。因此,选择最先进的技术非常重要。”6dFEETC-电子工程专辑

为人工智能的进一步发展寻求新兴内存.jpg6dFEETC-电子工程专辑

德里印度理工学院(IITD)非挥发性记忆研究小组指导教授Manan Suri,带领研究小组创造“以NVM为中心的未来”6dFEETC-电子工程专辑

IITD经常与各产业和新创公司合作进行应用和初探性研究。Suri表示,Weebit是少数几家持续推进其ReRAM并开放与大学合作的公司之一。短期内,IITD希望这项研究能够有效实现高密度非挥发性神经形态电路。而从长期来看,他说,由于数据量不断地增加,将会需要越来越多的专用AI /神经形态芯片。“相较于通用CPU,专用的神经形态/AI硬件可望以更节能和可持续的方式解决庞大的数据问题。”6dFEETC-电子工程专辑

Weebit执行长Coby Hanoch表示,该公司的研究工作并未改变其SiOx ReRAM技术的商用计划,但希望确保能够充份利用其于先进应用的全部功能。与IITD的合作是保持Weebit技术领先的一种经济有效之道,他并看好其他类似的合作伙伴关系将是该公司未来发展的重要因素。让这项技术得以出样是重要的第一步。 Hanoch说:“这是我们参与的第一项实际计划,但绝对不是最后一项。我们已经和其他业者接触洽谈了。”6dFEETC-电子工程专辑

Weebit技术长Amir Regev表示,随着AI开始渗透到大家的日常生活中,拥有够有助于AI更快扩展的各种技术至关重要。特别是ReRAM对于AI应用更重要,因为它能够保持较小的外形,而且由于它能适应神经形态应用中出现人脑般的棘波(spike),因而从功耗的角度来看也效运作。此外,他说,因为现在正是ReRAM在AI应用的早期阶段,因此尚未设定标准。“这是一片尚未开垦的绿地,不仅非常具有创新性,许多研究人员也正从其他不同的角度进行各种研究。”6dFEETC-电子工程专辑

编译:Susan Hong6dFEETC-电子工程专辑

EETC https://www.eet-china.com
本文为EET电子工程专辑 原创文章,禁止转载。请尊重知识产权,违者本司保留追究责任的权利。
Gary Hilson
EE Times特约编辑。Gary Hilson是一位自由撰稿人和编辑,曾为北美地区的印刷和电子出版物撰写过大量稿件。 他感兴趣的领域包括软件、企业级和网络技术、基础研究和教育市场,以及可持续交通系统和社会新闻。 他的文章发表于Network Computing,InformationWeek,Computing Canada,Computer Dealer News,Toronto Business Times,Strategy Magazine和Ottawa Citizen。
您可能感兴趣的文章
  • 深度学习的兴起,是通用计算的挽歌? 早期的计算机鲜有真正“通用”的设计,它们基本上都是为某一类算法特制的,我们不能简单将其说是像ASIC或FPGA。即便在真空管转向半导体以后,针对新功能进行硬件重新设计也是必须的。后来才有基于冯诺依曼体系的计算机架构,即可以存储指令,在软件中执行算法才成为可能。这是“专门硬件”向通用硬件的华丽转身。
  • 行AI之术,察腠理之疾 《扁鹊见蔡桓公》相信大家小时候都背过,蔡桓公讳疾忌医,最后导致病入骨髓、体痛致死。时至今日,人们虽然不再讳疾忌医,但医疗资源紧缺让大家只能把大量时间耗费在大医院排队中。在疾病之初,症状初显甚至未显之时,能否在家中通过自查发现呢?不是每家都可以有神医扁鹊,但未来AI和先进半导体技术的加持下,每家都可以有精准而方便的家用医疗器械……
  • Graphcore如何能成为西方半导体业唯一“独角兽”? 总部位于英国布里斯托的新创公司Graphcore,开发了一款被称为智能处理单元的新型AI加速器;Graphcore估计市值达17亿美元,被认为是西方半导体产业界唯一的“独角兽”,其投资者包括Dell、Bosch、BMW、Microsoft和Samsung等巨擘。
  • 六大技术支柱, 英特尔开启多元化计算时代的一把秘钥 只用了不到半年的时间,Agilex FPGA就成为“六大技术支柱”落地的最佳载体,英特尔强大的系统研发和整合能力可见一斑。
  • 青城山下问医道:AI医疗“硬”创新之难,堪比修仙? 说到青城山下,你可能说着说着就唱出来了。这是中国民间传说《白蛇传》中白素贞修仙的地方,“洞中千年修此身”后,白娘子就来到了苏杭地区,与她做大夫的相公许仙一起开药铺,悬壶济世。看来青城山除了是道教名山,还和医道有着渊源,近日在青城山脚下举办的第三届 “青城山中国IC生态高峰论坛”,就以智慧医疗电子为主题,聚集了生态链各个环节的厂商、机构代表和精英人士……
  • 从云端走入凡间:“AI at the Edge”商机发酵中 现在还没听过什么是人工智能(AI)的业界人士或一般消费者,应该是少之又少。在人工智能、机器学习(Machine Learning;ML)大行其道的现在,所有的产业都想跟人工智能/机器学习有“更深层的结合”,以期可从中开创更多新应用,并增加营收。也因此随着一些业界大厂积极发展并强化人工智能技术,使得人工智能已经不再是一个技术名词,而是已经开始深入到人们的生活。
相关推荐
    广告
    近期热点
    广告
    广告
    广告
    可能感兴趣的话题
    广告