חוקרים עשו התקדמות משמעותית בטכנולוגיית הממריסטורים, תוך שיפור הדיוק והיעילות שלו. חידוש זה מבטיח לגשר על הפער בין מחשוב אנלוגי ודיגיטלי, ומציע עיבוד מהיר יותר וחסכוני יותר באנרגיה המתאים ל-AI, למידת מכונה ומעבר לכך. קרדיט: twoday.co.il.com
עיצוב משלב את המיטב של מחשוב דיגיטלי ואנלוגי ומספק יעילות אנרגטית פי 10.
בעוד שרוב המחשוב בעולם עדיין דיגיטלי, הנתונים סביבנו נלכדים באנלוגי באמצעות חיישנים – תמונות דרך מצלמות, טמפרטורה וקול, למשל, ויש להמיר אותם בצורה דיגיטלית לצורך דיוק. אבל תארו לעצמכם רכב אוטונומי שצריך ללכוד את מה שעל הכביש וכו' ואז לקבל החלטות באופן מיידי, צריך להמיר את הנתונים האלה – מהר מאוד באנרגיה נמוכה ובדיוק גבוה. מה אם שבבים אנלוגיים שעוצבו לאחרונה יוכלו לספק את הדיוק של מחשוב דיגיטלי עם היתרונות החיסכון באנרגיה והמהירות הגבוהה של מחשוב אנלוגי?
התקדמות בטכנולוגיית Memristor
אם שבב מחשב מורכב ממעגלים שונים, ממריסטור הוא רכיב קטן יחסית של מעגל המאחסן ומעבד נתונים ביעילות רבה. במאמר קודם מהמעבדה של USC פרופסור להנדסת חשמל ומחשבים ב-Viterbi, J. Joshua Yang, חוקרים הצליחו להתאים ממריסטור כדי להשיג דיוק חסר תקדים.
המעבדה שלו בתוך USC Viterbi ובית הספר למחשוב מתקדם שלה מתמקדת בפיתוח מכשירים למחשוב. המעבדה תכננה מעגל וארכיטקטורה חדשים כדי להשיג דיוק גבוה עוד יותר עם אותם ממריסטורים, מה שיכול להרחיב מאוד את היישומים של טכנולוגיה כזו מעבר לטריטוריה המסורתית עם דיוק נמוך, כמו רשתות עצביות. יתרה מכך, אומר יאנג, חידוש זה ישים גם לסוגים אחרים של טכנולוגיות זיכרון, כולל זיכרונות מגנטיים המשתמשים באותו התקן כמו ראש הקריאה של כונני הדיסק הקשיח המגנטי, וזיכרונות שינוי פאזה המשתמשים באותו החומר כמו הקומפקטי. דיסקים (תקליטורים).
מאפשר מחשוב מהיר יותר ויעיל יותר
בדרך כלל, אומר יאנג, זה מאוד מאתגר לתכנת במהירות מכשיר אנלוגי בדיוק לערך יעד. המעבדה של יאנג פיתחה ארכיטקטורת מעגלים ואלגוריתם מתאים לעשות בדיוק את זה. חידוש זה הופך את המחשוב האנלוגי באמצעות מכשירים אנלוגיים לאטרקטיבי הרבה יותר עבור יישומים רבים.
יאנג אומר שיש לו, 'יעילות גבוהה יותר ומהירות גבוהה יותר עם דיוק של המערכות הדיגיטליות".
סוג זה של שיפור הוא קריטי, אומר יאנג, שכן ניתן ליישם חידושים כאלה כדי להכשיר רשתות עצביות הדרושות לפיתוח בינה מלאכותית (AI) ו למידת מכונה (ML) אך עד כה ניתן לעשות זאת רק במערכות דיגיטליות ביוקר. החידוש יאפשר גם יישומים חדשים מעבר לבינה מלאכותית ו-ML, כמו מחשוב מדעי לדוגמת חיזוי מזג אוויר.
המאמר, "תכנות מערכי ממריסטורים עם דיוק גבוה באופן שרירותי עבור מחשוב אנלוגי" הוצג ב מַדָע, נכתב עם Wenhao Song, Ye Zhuo, Peter A. Beerel, Mike Shuo-Wei Chen ב-USC, יחד עם Qiangfei Xia באוניברסיטת מסצ'וסטס, מארק בארנל וצ'ינג וו במעבדת המחקר של חיל האוויר, מנהל המידע, רומא, ניו יורק, ארה"ב. המחקר נערך עם Miao Hu, Gleen Ge ומהנדסים אחרים של TetraMem Inc., סטארט-אפ שייסד יאנג.
המאמר הקודם שעליו מתבסס מחקר זה על מאמר קודם במעבדה זו הוצג ב טֶבַע.
