Memrystor kontra A100: nokaut w pierwszej rundzie

Memrystor to urządzenie elektroniczne, które potrafi „zapamiętywać” swoje stany napięcia. Po przyłożeniu potencjału do jego elektrody trwale zmienia swoją rezystancję. Naukowcy już od dawna interesują się tym efektem i intensywnie badają, rozwijają oraz testują memrystory pod kątem konkretnych zastosowań w elektronice – w filtrach analogowych, procesorach i analizie sygnałów. Memrystor może bowiem jednocześnie działać jako pamięć i procesor, co otwiera możliwości nieosiągalne dla współczesnej elektroniki, zapewniając wyższą wydajność i mniejszy pobór energii.

Ciekawa praca pojawiła się niedawno w „Science Advances”. Jej główni autorzy to J. Joshua Yang z University of Southern California oraz Miao Hu z firmy TetraMem Inc. (oba w USA). Zwracają oni uwagę, że choć dotychczasowe osiągnięcia związane z memrystorami są ekscytujące, to nadal brakuje w literaturze opisu eksperymentu, w którym memrystor wykorzystano by do analizy sygnałów nie na pojedynczej małej matrycy, lecz na faktycznym chipie w większej skali. Badacze postanowili to zmienić.

W swoim artykule prezentują chip działający dzięki aż 10 rdzeniom memrystorowym NPU (Neural Processing Unit – wyspecjalizowany układ scalony zaprojektowany do przyspieszania obliczeń związanych z AI), tworzący największe urządzenie tego typu. Każdy rdzeń posiadał własną macierz krzyżową 128 na 128 elementów, zbudowanych z elektrod Pt i Ti/Ta.

Skonstruowany w ten sposób chip został wykorzystany w kilku operacjach związanych z przetwarzaniem sygnałów, takich jak analiza obrazu, dźwięku i rozpoznawanie mowy przy użyciu tzw. konwolucyjnej sieci neuronowej (wykrywającej i rozpoznającej wzorce w danych), co samo w sobie było dużym krokiem naprzód. Po raz pierwszy przeprowadzono tego typu obliczenia, wykorzystując wyłącznie pamięć memrystorową.

Chip świetnie sobie poradził z tymi zadaniami. Przy rozpoznawaniu mowy osiągnął prawie 95% poprawności. Ponadto wykazał się dużą energooszczędnością. W porównaniu z procesorem NVIDIA A100 (popularnym w AI i uczeniu maszynowym) chip jest w stanie wykonywać aż 49 razy więcej operacji przy takim samym zużyciu energii – co jest spektakularnym sukcesem.

Dziękujemy, że jesteś z nami. To jest pierwsza wzmianka na ten temat. Pulsar dostarcza najciekawsze informacje naukowe i przybliża najnowsze badania naukowe. Jeśli korzystasz z publikowanych przez Pulsar materiałów, prosimy o powołanie się na nasz portal. Źródło: www.projektpulsar.pl.