все|сильносреднеслабо
Разместить публикацию →

Создан нейрочип на мемристорах

Команда исследователей из Университета Стоуни Брук и Университета Калифорнии в Санта-Барбаре создала нейрочип, в котором пары мемристоров имитируют работу синапсов. Авторам впервые удалось объединить их с транзисторами в рамках отработанной КМОП-технологии.

Мемристоры интересны тем, что позволяют точнее имитировать некоторые свойства нейронов и связей между ними. В частности, лабильность и инертность. Первое обеспечивает изменение направления импульсов в зависимости от их частоты и текущего состояния нервной системы. Второе – способность нервных клеток запоминать предыдущие состояния и реагировать на каждый новый импульс в зависимости от своего предшествующего состояния.
Мемристоры в проектах разработки ИИ (изображение: repository.kaust.edu.sa).
В целом поведение пары нейронов всегда зависит от многих условий, имевших место в недавнем и отдалённом прошлом. Классические радиотехнические элементы малопригодны для воссоздания этих свойств, так как их поведение в основном определяется текущими параметрами тока. Поэтому моделирование даже малой группы нейронов требует мощности суперкомпьютера с миллиардами микротранзисторов.

У мемристоров сопротивление в каждый момент времени непостоянно и зависит от силы протекавшего ранее тока. Чем больше она была, тем ниже становится сопротивление на какое-то время. Однако оно не падает до нуля и сохраняется даже после того, как ток перестаёт через них протекать, что делает мемристоры одним из вариантов физической реализации энергонезависимой памяти.
Модуль памяти на мемристорах (фото: North Carolina State University).
В современных физических моделях нервной ткани мемристоры позволяют точнее имитировать процессы в синапсах, воссоздавая характер связи между нейронами. Традиционные элементы (транзисторы, диоды, резисторы) при этом контролируют общую логику работы нейронов.

К сожалению, объединить мемристоры и транзисторы в рамках единой технологии CMOS до сих пор не представлялось возможным. Слишком низкой получалась плотность размещения элементов, или же свойства мемристоров оказывались совершенно непредсказуемыми. Похоже, теперь эти проблемы удалось решить объединённой группе исследователей двух университетов.
Базовые элементы электронных схем (изображение: repository.kaust.edu.sa)
В своей работе авторы использовали для формирования мемристора комбинацию из диоксида титана и оксида алюминия. Толщина слоя первого материала характеризует сложность производства и основные электрические параметры, а второго – его механическую прочность и долговечность. Пытаясь найти оптимальную конфигурацию мемристора, они последовательно перебирали в серии экспериментов разную толщину слоя каждого материала в диапазоне от 5 до 100 нм.

Благодаря такому кропотливому труду, по КМОП-технологии удалось изготовить нейрочип, в узлах пространственной решётки (точках пересечения цепей) которого находятся мемристоры. Он был обучен распознавать три буквы латинского алфавита (V, N, Z), и снижал процент ошибок после каждой демонстраций множества символов. В итоге получившаяся нейросеть оказалась в состоянии успешно идентифицировать все три символа, обрабатывая большую часть вычислений с помощью мемристоров.

Пока созданный нейрочип – всего лишь демонстрация концепции. Он довольно примитивен по своей структуре и содержит сетку из 12×12 мемристоров.

Однако сама методика выглядит крайне перспективно, поскольку позволяет выполнить лёгкое масштабирование.

Один из рецензентов – Роберт Ленгенштейн (Robert Legenstein) из технического университета Граца, считает, что она уже в ближайшие годы изменит всю компьютерную отрасль.

Остаётся множество прикладных задач, которые нейронные сети решают гораздо эффективнее, чем традиционные вычислительные машины. Особенно, если сравнивать их по затратам энергии. Ленгенштейн считает, что даже при использовании технологического процесса 30 нм, в нейрочипе площадью один квадратный сантиметр и потребляемой мощностью около ватта можно будет поместить функциональный аналог 25 млн нейронов, каждый из которых будет содержать по 10 тысяч синапсов.

Цифры звучат колоссальные, но следует понимать, что речь вовсе не идёт о моделировании мозга. В проекте Human Brain до сих пор пытаются имитировать работу пары нейронных колонок на суперкомпьютере стоимостью в миллиард евро. Нейрочип будет просто выполнять конкретные узкоспециализированные функции, используя для ускорения работы некоторые особенности организации нервной ткани. В этом и заключается сила «слабого ИИ».
Источник: www.computerra.ru
9 0
Смех
Интерес
Красота
Умиление
Радость
Удивление
Грусть
Страх
Гнев
Отвращение
сильносреднеслабо

Cуперкомпьютер Hewellett-Packard, названный Machine, сумеет ускорить процесс обработки информации, возможно, в сотни раз.

Когда-то компания, основанная Уильямом Хьюлеттом и Дэвидом Паккардом, находилась в авангарде новых технологий — она создала первый в мире программируемый карманный калькулятор и настольный лазерный принтер. Сегодня Hewlett-Packard, кажется, не поспевает за конкурентами: по мере снижения спроса на серверы и принтеры (дают основную часть доходов HP) прибыль падает, компания сокращает рабочие места и тратит на исследования в несколько раз меньше конкурентов: $3,4 млрд, или 3% выручки, в 2014 году. В конце прошлого года корпорация объявила, что разделится на две компании: Hewlett-Packard Enterprise займется программным обеспечением, а HP Inc. сосредоточится на принтерах. В разгаре этого экзистенциального кризиса HP делает большие ставки на проект настолько же многообещающий, насколько рискованный: компания собирается изобрести новый вид компьютера — устройство, способное изменить способ функционирования практически всей электроники, от смартфона до сервера. Подробнее о проекте, который может спасти Hewlett-Packard, рассказывает журнал MIT Technology Review.

Говоря об изменении принципа работы компьютера, в HP имеют в виду технологии памяти. Последние несколько десятилетий она такова, что в процессе работы компьютера информация курсирует туда-сюда между постоянной и оперативной памятью. Эта двухуровневая система тратит время, энергию и деньги — особенно в крупных компаниях, хранящих большие объемы данных, таких как Facebook или Google.

Как обещают инженеры НР, их суперкомпьютер, названный Machine, сумеет ускорить процесс обработки информации, возможно, в сотни раз, и следовательно — позволит быстрее решать задачи, связанные с анализом данных, сократив при этом потребление энергии. Чтобы сделать это, Machine сотрет грань между постоянной и оперативной памятью: останется одно хранилище информации на все случаи жизни. Отмена необходимости постоянно перекачивать данные из одной памяти в другую и будет означать рождение компьютера нового типа.

Основа работы

Для этого нужно всего ничего: создать типы памяти на основе компонента мемристора, абсолютно новую операционную систему для работы с единым гигантским хранилищем данных, и заменить миниатюрными оптоволоконными кабелями провода, которые соединяют процессор и память.

Ключевой компонент своего компьютера новой эры HP описывает просто: стопка тонких слоев двуокиси титана толщиной несколько нанометров, помещенная между двумя электродами. Некоторые из слоев проводят электрический ток, другие же обеднены кислородом и служат изоляторами. Под действием напряжения атомы кислорода могут перемещаться из проводящего слоя в изолирующий и наоборот, резко повышая или снижая сопротивление; это переключение происходит за пикосекунды (одна триллионная секунды), то есть примерно в тысячу раз быстрее, чем в базовых элементах DRAM. Что важно, Machine «запоминает» заряд даже после отключения напряжения, следовательно, последнее состояние компьютера сохранится в его памяти и после выключения питания (это принципиальное отличие от существующих типов оперативной памяти).

Мемристор (резистор с памятью) был предсказан еще в 1971 году, но долгое время считалось, что создать его невозможно. Исследовательская лаборатория НР во главе с Стэнли Уильямсом представила его в 2008-м, и сначала компания собиралась заменить мемристорами флеш-память в обычных компьютерах. Но в 2012 году начала зреть идея по созданию машины нового типа, которая и превратилась в проект Machine.

Испытания первых версий Machine дали впечатляющие результаты. В соревновании с обычным компьютером, в ходе которого системам требовалось проанализировать 80 млн изображений, чтобы найти пять наиболее похожих, Machine выполнил задание за 50 миллисекунд. Серверам HP на это потребовалось 2 секунды.

Риски

Пока использовать мемристоры в компьютерах — неважно, в каком виде — невозможно: чипов памяти, которые можно было бы поставить в существующие системы, нет в природе. По оценкам НР, первые прототипы таких чипов компания получит в 2016 году, но и этот срок может быть сдвинут. К тому же никто не может с уверенностью сказать, что мемристоры будут надежно и стабильно работать, когда их начнут производить в промышленных масштабах.

Тем не менее, инженеры НР связывают с мемристорами большие надежды и утверждают, что никто из их конкурентов, также разрабатывающих новые технологии памяти, не может похвастаться продуктом с аналогичным сочетанием скорости, компактности и энергетической эффективности.

Свой компьютер нового поколения, с мемристорами и оптоволокном вместо проводов, НР планирует вывести на рынок до 2020 года, и сначала Machine будут только предоставлять компаниям и университетам в аренду для работы с большими массивами данных. Продажа и уменьшение размеров компьютера — пока вопросы еще более отдаленной перспективы.

Сегодня все больше задач, которые решает человек, связаны с обработкой больших массивов данных, поэтому способность справляться с ними в десятки или сотни раз быстрее нынешних компьютеров может дать ощутимое преимущество или даже ускорить прогресс в принципе — например, в области медицинских или генетических исследований. Однако учитывая, что спрос на сервера тает и человечество переходит на облачные хранилища данных, остается большим вопросом, будет ли рынок нуждаться в новом типе компьютерной памяти через пять лет. В Hewlett-Packard, впрочем, уверены, что да.
Источник: slon.ru
13 0
1
Смех
Интерес
Красота
Умиление
Радость
Удивление
Грусть
Страх
Гнев
Отвращение
сильносреднеслабо
Давайте радоваться жизни вместе!
Получай лучшее на свой email-адрес
Жми "Нравится" и читай нас на Facebook
Подпишись на нас Вконтакте
реклама
Авторизация пользователя EmoSurf
Email-адрес
Пароль забыли пароль?
Регистрация →
Данные пользователяX
Отображаемое имя
Изменить пароль
Email-адрес
Ваш часовой пояс
Уведомления о новом
Email-адрес пользователя
Укажите свой e-mail, чтобы первым узнавать о новых постах!