在現代計算硬體中，需要頻繁地將資料從處理器到儲存器之間來回搬運，然而該過程會耗費大量的時間和精力。
好訊息是，IBM 研究院剛剛宣佈了人工智慧硬體的最新進展 —— 透過記憶體計算的方式，將記憶體單元作為處理器來使用。
【減少了資料騰挪的麻煩之後，可將能源需求減少 90%】
在本週舉辦的國際電子器件會議（IEDM）和神經資訊處理系統會議（NeurIPS）上，IBM 介紹了迄今為止精度最高的“8-bit 模擬晶片”（較此前提升了一倍）。
這套全新的解決方案，使用了被稱作“投影相變儲存器”的新方法，簡稱 Proj-PCM 。與具有類似精度的數字架構相比，其能耗僅為 1/33 。
IBM 表示，研究人員在 Proj-PCM 中插入了一個與相變段平行的“非絕緣投影段”。
在寫入過程中，投影段對裝置操作的影響最小。但在讀取的時候，變成狀態的電導值，主要由投影段來確定 —— 其對電導的變化，具有顯著的免疫力。
如此一來，Proj-PCM 可實現比以往的 PCM 裝置更高的精度。IBM 表示：
改進的精度，證明了‘記憶體計算’有朝一日可被用於物聯網和邊緣應用等低功耗環境、同時實現高效能深度學習的能力。
除了模擬晶片的最新進展，IBM 還提出了針對數字計算的新方法。
其能夠以 8-bit 精度訓練深度學習模型，同時保持影象、速度、文字資料集類別的模型精度。
上述研究突破，在 IBM Research 的論文中有詳細介紹。原標題為：
《8-Bit Precision for Training Deep Learning Systems》
在現代計算硬體中，需要頻繁地將資料從處理器到儲存器之間來回搬運，然而該過程會耗費大量的時間和精力。
好訊息是，IBM 研究院剛剛宣佈了人工智慧硬體的最新進展 —— 透過記憶體計算的方式，將記憶體單元作為處理器來使用。
【減少了資料騰挪的麻煩之後，可將能源需求減少 90%】
在本週舉辦的國際電子器件會議（IEDM）和神經資訊處理系統會議（NeurIPS）上，IBM 介紹了迄今為止精度最高的“8-bit 模擬晶片”（較此前提升了一倍）。
這套全新的解決方案，使用了被稱作“投影相變儲存器”的新方法，簡稱 Proj-PCM 。與具有類似精度的數字架構相比，其能耗僅為 1/33 。
IBM 表示，研究人員在 Proj-PCM 中插入了一個與相變段平行的“非絕緣投影段”。
在寫入過程中，投影段對裝置操作的影響最小。但在讀取的時候，變成狀態的電導值，主要由投影段來確定 —— 其對電導的變化，具有顯著的免疫力。
如此一來，Proj-PCM 可實現比以往的 PCM 裝置更高的精度。IBM 表示：
改進的精度，證明了‘記憶體計算’有朝一日可被用於物聯網和邊緣應用等低功耗環境、同時實現高效能深度學習的能力。
除了模擬晶片的最新進展，IBM 還提出了針對數字計算的新方法。
其能夠以 8-bit 精度訓練深度學習模型，同時保持影象、速度、文字資料集類別的模型精度。
上述研究突破，在 IBM Research 的論文中有詳細介紹。原標題為：
《8-Bit Precision for Training Deep Learning Systems》