IBM 報告：以人腦為藍本的類比人工智慧晶片
背景
隨著人工智慧技術的不斷發展，深度神經網路在生成式人工智慧領域中取得了令人興奮的進展。然而傳統的神經網路結構在記憶和處理方面使用獨立的元件，這導致系統資源在兩個元件之間的通訊方面面臨重大需求，從而降低了速度和效率。為了改善這一情況，IBM 研究人員向完美模型人腦尋求靈感，提出了一種更為高效的數位大腦。IBM 的創新
IBM 在一篇題為《一種基於相變記憶體的深度神經網路推斷的 64 核混合訊號在記憶體計算晶片》的論文中公布了他們的創新成果。這種混合訊號人工智慧晶片具有 64 個模擬式記憶體核心，每個核心都有一個突觸細胞單元陣列。透過轉換器，該晶片可以實現模擬和數位狀態之間的平滑轉換。根據 IBM 的介紹，這種晶片在 CIFAR-10 資料集上實現了 92.81%的準確率，該資料集被廣泛應用於機器學習訓練中。科技的優勢和應用
IBM 的研究人員表示該晶片的效能改進可以使其在低功耗或電池約束的環境中執行更大、更複雜的工作負載，如手機、汽車和相機等裝置。此外雲服務提供商還可以使用這些晶片以降低能源成本和碳足跡。研究人員還表示未來改進的數位電路將使晶片能夠在層與層之間實現啟用轉移和中間啟用儲存，從而實現完全流水線化的推斷工作負載執行。技術的深入探討
IBM 研究員在一篇名為《類比記憶體計算的來臨》的文章中對該晶片進行了詳細技術解析。他表示該晶片是“第一款”以“後端整合相變記憶體”為基礎的完全整合的混合訊號記憶體計算晶片，採用了 14 奈米互補金屬-氧化物-半導體技術進行製造。該晶片包含 64 個 AIMC 核心，每個核心都有一個 256x256 單元單元組的記憶陣列。除了類比記憶體陣列外，每個核心還包含一個輕量級的數位處理單元，用於執行啟用函數、累加和比例運算等操作。結論
該項研究的重要性在於透過模仿人腦的結構，提出了一種更為高效的類比人工智慧晶片。這一創新有望為機器學習和人工智慧領域帶來重大進展，使得更大、更複雜的工作負載可以在低功耗環境中執行。此外該技術還可以幫助雲服務提供商降低能源成本，減少碳足跡。盡管當前的研究已經取得重要成果，但仍有待進一步的改進，以實現更好的效能和應用。參考資料：
- 引用：IBM 報告類比人工智慧晶片，模仿人腦 (2023 年 8 月 22 日)。檢索自 https://techxplore.com/news/2023-08-ibm-analog-ai-chip-patterned.html
- 文章圖片來源：Nature Electronics (2023). DOI: 10.1038/s41928-023-01010-1
- 更多資訊：Manuel Le Gallo et al, A 64-core mixed-signal in-memory compute chip based on phase-change memory for deep neural network inference, Nature Electronics (2023). DOI: 10.1038/s41928-023-01010-1 . On arXiv : DOI: 10.48550/arxiv.2212.02872 Technical overview: Analog in-memory computing coming of age Journal information: arXiv , Nature Electronics © 2023 Science X Network
AIChip-IBM 報告,人腦,類比人工智慧晶片,引起關注
