柯文

內(nèi)存計算技術(shù)迎來一次重大突破。近日，IBM研究團(tuán)隊宣布發(fā)明了一種可以運(yùn)行在100萬個相變內(nèi)存上的無監(jiān)督式機(jī)器學(xué)習(xí)算法，并且成功地在一系列未知數(shù)據(jù)流中發(fā)現(xiàn)了時間相關(guān)性。與目前最先進(jìn)的傳統(tǒng)計算機(jī)相比，這種內(nèi)存計算原型技術(shù)有望在計算速度和能耗利用效率方面提升200倍，非常適合實現(xiàn)人工智能（AI）應(yīng)用中的高密度、低功耗、大規(guī)模的并行計算系統(tǒng)。

內(nèi)存計算（IMC）或者說可計算儲存，是近年來新興的一個概念，其原理是運(yùn)用內(nèi)存設(shè)備的物理特性進(jìn)行資料的儲存和處理。不過，該研究及團(tuán)隊不采用過去那種內(nèi)建緩存，并通過總線連接外部內(nèi)存的階層式架構(gòu)，而是省略總線設(shè)計，直接把內(nèi)存和CPU核心做在一起，盡最大的可能消除計算過程中因數(shù)據(jù)遷移所造成的延遲。

另一方面，相變內(nèi)存本身就兼具DRAM類內(nèi)存的速度，以及NAND的非易失性存儲特性，通過將相變內(nèi)存直接和CPU集成，形成一種特殊的計算硬件結(jié)構(gòu)，計算和存儲同時可在相同的結(jié)構(gòu)上發(fā)生，不需要額外的傳輸、讀取再寫入的動作。因此從計算到存儲所需要的指令操作、帶寬消耗等現(xiàn)象都得以減少。對AI計算這種數(shù)據(jù)遷移量龐大的應(yīng)用來說，省去了這些操作，自然整體計算效率就可以大大提升，且因為沒有總線，也沒有額外的讀寫操作，系統(tǒng)功耗也能大大減少。

如果所有的計算、讀寫工作都發(fā)生在同一個區(qū)塊上，不用遷移，自然也不會有延遲。這種概念完全不同于目前主流電子系統(tǒng)和設(shè)備的運(yùn)行原理，我們所熟知的桌面計算機(jī)、筆記本計算機(jī)和手機(jī)等電子設(shè)備都采用了馮·諾伊曼結(jié)構(gòu)。使用該構(gòu)架的設(shè)備在運(yùn)行時，各種數(shù)據(jù)會在內(nèi)存和計算單元之間不斷穿梭，大量的數(shù)據(jù)調(diào)用會降低計算速度并且增加能量消耗。

其實，這就是一個具體而微小的電子大腦結(jié)構(gòu)。在此次測試中，研究人員使用的 相變內(nèi)存設(shè)備同樣是由兩個電極包夾著一層鍺銻碲復(fù)合材料構(gòu)成。一股微弱的電流就可以加熱整個設(shè)備，復(fù)合材料內(nèi)部狀態(tài)隨著溫度上升而發(fā)生改變，從無定形態(tài)變成晶態(tài)。研究人員再次利用了結(jié)晶動力學(xué)原理進(jìn)行運(yùn)算。而這里所用到的計算原理和先前人造神經(jīng)元幾乎一模一樣。

IBM研究員、論文作者之一Evangelos Eleftheriou博士表示：“這是 AI 物理學(xué)研究中的重要一環(huán)，這項研究有助于探索新的硬件材料、設(shè)備和構(gòu)架。技術(shù)瓶頸導(dǎo)致了摩爾定律的失效，因此我們需要從處理器與內(nèi)存這種‘一分為二’的結(jié)構(gòu)出發(fā)，從本質(zhì)做出改變，來突破當(dāng)今計算機(jī)的局限性。鑒于我們的內(nèi)存計算技術(shù)的簡單性、高速度和低能耗，最終實驗結(jié)果十分顯著——非常接近于在馮·諾依曼計算機(jī)上運(yùn)行的基準(zhǔn)方法?！?/p>

IBM研究團(tuán)隊本次實驗的具體細(xì)節(jié)都在最新發(fā)表的論文中進(jìn)行了描述，《自然通訊》也于近日對論文進(jìn)行了同行評審。為了展示這項技術(shù)，論文作者選取了兩個基于時間的例子，并且將該技術(shù)得出的結(jié)果與傳統(tǒng)機(jī)器學(xué)習(xí)方法得出的結(jié)果進(jìn)行了比較。

“內(nèi)存普遍被視為是儲存數(shù)據(jù)的地方。但是這項研究的結(jié)果顯示，我們可以利用內(nèi)存設(shè)備的物理學(xué)特性，執(zhí)行一個相當(dāng)高級別的計算原語。計算的結(jié)果也儲存在內(nèi)存中，從這個角度來看，該技術(shù)概念受到了大腦計算方式的啟發(fā)?！盇bu Sebastian博士說。他是一名探索性記憶和認(rèn)知技術(shù)科學(xué)家，也是論文的主要作者。