Найти тему
Хайтек

Инженеры разработали чип для ускоренного обучения нейросетей

Исследователи объединили память, подходящую для быстрого и энергоэффективного обучения нейронных сетей, с существующими микропроцессорными технологиями.

Инженеры из Университета Иллинойса в Урбане-Шампейне интегрировали электрохимическую оперативную память (ECRAM) с кремниевыми полупроводниками. Технология позволит ускорить глубокое обучение нейронных сетей и сократить затраты на работу систем искусственного интеллекта.

Исследователи использовали для создания памяти материалы, совместимые с современными полупроводниковыми технологиями (КМОП): оксид вольфрама для затвора и канала, оксид циркония для электролита и протоны в качестве подвижных ионов. Это позволило интегрировать устройство в стандартную микроэлектронику.

-2

Процесс изготовления ECRAM. Изображение: Jinsong Cui et al., Nature Electronics

ECRAM — это ячейка памяти или устройство, которое использует одно и то же пространство для хранения данных и вычислений. Такая нестандартная архитектура устраняет затраты энергии на передачу данных между памятью и процессором, позволяя очень быстро и эффективно выполнять операции с интенсивным использованием данных.

Электрохимическая память кодирует информацию, перемещая мобильные ионы между воротами и каналом. Электрические импульсы, подаваемые на клемму затвора, либо вводят ионы в канал, либо вытягивают их, результирующее изменение электропроводности канала сохраняет информацию. Оно считывается путем измерения электрического тока, протекающего по каналу. Электролит между затвором и каналом предотвращает нежелательный поток ионов, позволяя памяти работать в энергонезависимом режиме.

Схема электрохимической памяти. Изображения: Jinsong Cui et al., Nature Electronics

Исследователи продемонстрировали, что созданное устройство демонстрировало высокую скорость переключения, выдерживало более 100 миллионов циклов чтения-записи и было намного эффективнее, чем стандартная технология памяти. При этом канал надежно удерживает ионы часами, чего достаточно для обучения большинства глубоких нейронных сетей. Поскольку материалы совместимы с технологиями микропроизводства, устройства могут быть уменьшены до микро- и наноразмеров, что обеспечивает высокую плотность и вычислительную мощность.

Читать далее:

Ключевую теорию квантовой физики наконец-то доказали. Главное

Биологи узнали, как раковые клетки ускользают от иммунной системы

Найден способ снизить сахар в крови без уколов инсулина

На обложке: массив ECRAM. Изображение: The Grainger College of Engineering at University of Illinois Urbana-Champaign