IBM看到了人工智能在相变存储器中的优势

在一项有望为依赖人工智能的移动设备、无人机和机器人进行更高级编程的开发中，IBM研究人员表示，他们设计了一种编程方法，可以实现更高的精度并降低能耗。

AI系统通常采用划分内存和处理单元的过程。这意味着在两个航路点之间传输数据是浪费时间。数据传输量巨大，足以产生昂贵的耗能标签。

《自然通讯》本周报道称，IBM设计了一种依靠相变存储器更快、更便宜地执行代码的方法。这是一种随机存取存储器，其中的元素可以在非晶态和晶态之间快速变化，其性能优于更常用的闪存模块。或P-RAM或PCM。由于其非凡的性能，有人称之为“完美RAM”。

PCM依靠硫属化物玻璃，当电流流过时，硫属化物玻璃具有改变其状态的独特能力。惠普首次探索的相变技术的一个关键优势是，无需持续供电即可保持存储状态稳定。向PCM添加数据不需要擦除周期，这是其他类型的内存存储所独有的。此外，由于代码可以直接从内存中执行，而不是将代码复制到内存中，PCM运行得更快。

IBM已经意识到，在图像和语音识别、游戏和机器人等领域，依赖深度神经网络的运营要求越来越高，要求更高的效率。

公司博客上发布的研究团队解决方案的IBM团队表示：“随着深度学习的不断发展和对强大处理能力的需求，拥有大型数据中心的公司将很快意识到，他们将建造更多的电厂，以支持所需的百万倍额外操作。例如，对单个图像进行分类是不经济的，也是不可持续的。”

报告指出：“显然，我们需要优化微芯片和硬件，使其效率更高，以便此类设备能够以更低的功耗运行。”

IBM将PCM与人脑进行了比较，指出PCM“没有单独的区域来存储和计算数据，因此消耗的能量要少得多”。

PCM的一个缺点是由读写电导噪声引起的计算误差。IBM通过将这种噪音引入AI培训课程来解决这个问题。

IBM的报告指出：“我们的假设是，在DNN训练期间注入相当于设备噪声的噪声将提高模型的鲁棒性。”

他们的假设是正确的。他们的模型达到了93.7%的准确率，IBM研究人员称这是同类内存硬件能达到的最高准确率。

IBM表示，要达到更高的精度，还需要做更多的工作。他们正在使用小型卷积神经网络和生成对抗网络进行研究，最近还报告了他们在神经科学前沿的进展。

IBM表示：“在越来越多地向基于AI的技术(包括IoT电池供电设备和自动驾驶汽车)过渡的时代，此类技术将受益于快速、低功耗和可靠的DNN推理引擎。”报告说。