IBM研究人员正在开发一种新的计算机体系结构，能够更好地处理人工智能带来的数据负载。他们的设计借鉴了人类大脑的概念，在比较研究中显着优于传统计算机。他们在AIP Publishing的“应用物理学杂志”上报告了他们最近的研究结果。
今天的计算机建立在20世纪40年代开发的冯诺依曼架构上。冯·诺依曼计算系统具有执行逻辑和算术的 处理器，存储器单元，存储器以及输入和输出设备。与传统计算机中的烟囱部件不同，作者提出脑部启发的计算机可以具有共存的处理和存储单元。
该论文的作者阿布塞巴斯蒂安解释说，在计算机内存中执行某些计算任务会提高系统的效率并节省能源。
“如果你看一下人类，我们计算的功率为20到30瓦，而今天的AI则基于以千瓦或兆瓦的功率运行的超级计算机，”塞巴斯蒂安说。“在大脑中，突触是计算和存储信息。在新的架构中，超越冯·诺伊曼，记忆必须在计算中发挥更积极的作用。”
IBM团队从大脑中汲取了三个不同层次的灵感。第一级利用存储器设备的状态动态来在存储器本身中执行计算任务，类似于大脑的存储器和处理是如何共存的。第二级利用大脑的突触网络结构作为相变存储器(PCM)设备阵列的灵感，以加速深度神经网络的训练。最后，神经元和突触的动态和随机性质激发了团队为尖峰神经网络创建强大的计算基础。
相变存储器是一种纳米级存储器件，由夹在电极之间的Ge，Te和Sb化合物构成。这些化合物根据其原子排列表现出不同的电性质。例如，在无序相中，这些材料表现出高电阻率，而在结晶相中它们表现出低电阻率。
通过施加电脉冲，研究人员调制了晶体和非晶相中材料的比例，因此相变存储器件可以支持连续的电阻或电导。该模拟存储更好地类似于非二元生物突触，并且能够将更多信息存储在单个纳米级设备中。
Sebastian和他的IBM同事在对这些提议系统的效率进行比较研究时遇到了令人惊讶的结果。“我们一直希望这些系统在某些任务中比传统计算系统好得多，但我们对这些方法的效率有多高感到惊讶。”
去年，他们在传统计算机上运行无监督机器学习算法，并在基于相变存储器设备的原型计算存储器平台上运行。“与传统计算系统相比，我们可以在相变存储器计算系统中实现200倍的性能提升。”塞巴斯蒂安说。“我们一直都知道他们会很有效率，但我们并没有指望他们能够超越这么多。”该团队继续基于大脑启发的概念构建原型芯片和系统。
标签： 大脑灵感