人類歷史上，第一個可編程憶阻器計算機誕生，不再需要將語音命令發(fā)送到云端進(jìn)行解釋，直接在智能手機上通過 AI 處理器完成，極大的加快響應(yīng)時間。在一些更加注重私密性的場景比如醫(yī)療設(shè)備中，具有更好的安全性和隱私性。

　　你有沒有想過，智能手機將來也有可能直接處理復(fù)雜的人工智能任務(wù)?關(guān)鍵在它：人類歷史上，第一個可編程憶阻器計算機。

　　不僅僅是通過外部計算機操作的憶阻器陣列，密歇根大學(xué)開發(fā)的這個可編程憶阻器計算機，可以直接在小型、能量受限的設(shè)備(如智能手機和傳感器)上處理人工智能任務(wù)。

　　也就是說，在未來，不再需要將語音命令發(fā)送到云端進(jìn)行解釋，直接在智能手機上通過 AI 處理器完成，極大的加快響應(yīng)時間。在一些更加注重私密性的場景比如醫(yī)療設(shè)備中，能夠?qū)崿F(xiàn)更好的安全性和隱私性。

　　人工智能強大的算力帶來的負(fù)面影響之一就是巨額的能耗。每個人都希望在智能手機上安裝 AI 處理器，但你肯定不希望手機一天充電 12 次。

　　為什么憶阻器有利于機器學(xué)習(xí)

　　這里提到的憶阻器的高級計算機組件，是具有存儲器、可變電阻的電阻器，可用作信息存儲。

　　由于憶阻器在同一位置存儲和處理信息，因此它們可以解決掉計算速度及功耗的殺手——內(nèi)存和處理器之間的連接。

　　這對于處理大量數(shù)據(jù)的機器學(xué)習(xí)算法尤其重要，例如識別照片和視頻中的對象，或預(yù)測哪些醫(yī)院患者具有較高的感染風(fēng)險。

　　如今，程序員已經(jīng)習(xí)慣于在圖形處理單元(GPU)而不是 CPU 上運行這些算法。

　　“就功率和吞吐量而言，GPU、定制的優(yōu)化數(shù)字電路被認(rèn)為比 CPU 好 10 到 100 倍。”Lu 說。“憶阻器 AI 處理器可能會再好上 10 到 100 倍。”

　　GPU 在機器學(xué)習(xí)任務(wù)中表現(xiàn)優(yōu)秀，因為它們有數(shù)千個小核心可以同時運行計算。憶阻器陣列則更進(jìn)一步，每個憶阻器都能夠獨立進(jìn)行計算，一個內(nèi)核里可以一次性執(zhí)行數(shù)千次操作。

　　本次用于實驗的計算機擁有超過 5800 個憶阻器。而用于商業(yè)的話，可能包括數(shù)百萬個。

　　憶阻器陣列特別適合解決機器學(xué)習(xí)任務(wù)，這是因為機器學(xué)習(xí)算法將數(shù)據(jù)轉(zhuǎn)換為向量。例如，預(yù)測患者在醫(yī)院的感染風(fēng)險時，該向量可以將存在感染風(fēng)險的因素以數(shù)字表示列出。

　　然后，機器學(xué)習(xí)算法將這些“輸入”向量，與在存儲器中的“特征”向量進(jìn)行比較。如果匹配，則系統(tǒng)知道輸入數(shù)據(jù)具有該特征。向量存儲在矩陣中，類似于數(shù)學(xué)電子表格，這些矩陣可以直接映射到憶阻器陣列上。

　　更重要的是，當(dāng)數(shù)據(jù)通過陣列反饋時，大部分?jǐn)?shù)學(xué)處理通過憶阻器中的自然電阻發(fā)生，消除了將特征向量移入和移出存儲器而導(dǎo)致的額外計算。這使得陣列在復(fù)雜的矩陣計算中非常高效。

　　早期的研究證明了憶阻器陣列有可能加速機器學(xué)習(xí)，但它們需要外部計算元件才能運行。

　　構(gòu)建可編程憶阻器計算機

　　為了構(gòu)建第一臺可編程憶阻器計算機，Lu 的團隊與U-M 的電子和計算機工程副教授 Zhengya Zhang 和 Michael Flynn 教授一起設(shè)計了一個芯片，可以將憶阻器陣列與編程和運行所需的所有其他元件集成在一起。

　　這些組件包括傳統(tǒng)的數(shù)字處理器和通信通道，以及數(shù)字/模擬轉(zhuǎn)換器，用作模擬憶阻器陣列和計算機其余部分之間的解釋器。

　　然后，Lu 的團隊將憶阻器陣列直接集成在U-M 的 Lurie Nanofabrication Facility 的芯片上。他們還開發(fā)了將機器學(xué)習(xí)算法映射到憶阻器陣列的矩陣結(jié)構(gòu)上的軟件。

　　該團隊使用三種基本機器學(xué)習(xí)算法演示了該設(shè)備：

　　感知機(Perceptron)，用于對信息進(jìn)行分類。能夠 100% 準(zhǔn)確地識別出不完美的希臘字母

　　稀疏編碼，壓縮并分類數(shù)據(jù)，特別是圖像。計算機能夠找到最有效的方法來重建一組圖像，并以 100% 的準(zhǔn)確度識別出其模式

　　雙層神經(jīng)網(wǎng)絡(luò)，旨在尋找復(fù)雜數(shù)據(jù)中的模式。這個雙層網(wǎng)絡(luò)在乳腺癌篩查數(shù)據(jù)中找到了共性和差異因素，然后將每個病例分類為惡性或良性，準(zhǔn)確率為 94.6%

　　擴展商業(yè)用途存在挑戰(zhàn)。但 Lu 計劃將這項技術(shù)商業(yè)化。該研究的標(biāo)題是“完全集成的可重編程憶阻器-CMOS 系統(tǒng)，用于高效的乘法累加運算。”
　　（邯鄲網(wǎng)站建設(shè)）