事實(shí)證明，基于卷積神經(jīng)網(wǎng)絡(luò)(CNN)的機(jī)器學(xué)習(xí)架構(gòu)對于廣泛的應(yīng)用非常有價(jià)值，從計(jì)算機(jī)視覺到圖像分析以及人類語言的處理或生成。然而，為了處理更高級(jí)的任務(wù)，這些架構(gòu)變得越來越復(fù)雜，計(jì)算要求也越來越高。

近年來，全球許多電子工程師因此一直在嘗試開發(fā)能夠支持基于CNN的復(fù)雜架構(gòu)的存儲(chǔ)和計(jì)算負(fù)載的設(shè)備。這包括可以支持大量權(quán)重的更密集的存儲(chǔ)設(shè)備(即，CNN的不同層考慮的可訓(xùn)練和不可訓(xùn)練參數(shù))。

中國科學(xué)院、北京理工大學(xué)和中國其他大學(xué)的研究人員最近開發(fā)了一種新的內(nèi)存計(jì)算系統(tǒng)，可以幫助更有效地運(yùn)行更復(fù)雜的基于CNN的模型。他們的內(nèi)存組件在NatureElectronics上發(fā)表的一篇論文中進(jìn)行了介紹，它基于由3D憶阻器陣列制成的非易失性內(nèi)存計(jì)算宏。

“將此類系統(tǒng)擴(kuò)展到3D陣列可以為必要的向量矩陣乘法運(yùn)算提供更高的并行性、容量和密度，”霍強(qiáng)和他的同事在他們的論文中寫道。“然而，由于制造和設(shè)備可問題，縮放到三個(gè)維度具有挑戰(zhàn)性。我們報(bào)告了一個(gè)2kb非易失性內(nèi)存計(jì)算宏，它基于使用55制造的三維垂直電阻隨機(jī)存取存儲(chǔ)器納米互補(bǔ)金屬氧化物半導(dǎo)體工藝。"

電阻式隨機(jī)存取存儲(chǔ)器或RRAM是基于憶阻器的非易失性(即，即使在電源中斷后仍保留數(shù)據(jù))存儲(chǔ)設(shè)備。憶阻器是一種電子元件，可以限制或調(diào)節(jié)電路中的電流，同時(shí)記錄之前流過它們的電荷量。

RRAM本質(zhì)上是通過改變憶阻器的電阻來工作的。雖然過去的研究已經(jīng)證明了這些存儲(chǔ)設(shè)備的巨大潛力，但這些設(shè)備的傳統(tǒng)版本與計(jì)算機(jī)引擎是分開的，這限制了它們可能的應(yīng)用。

內(nèi)存計(jì)算RRAM設(shè)備旨在通過將計(jì)算嵌入內(nèi)存中來克服這一限制。這可以大大減少內(nèi)存和處理器之間的數(shù)據(jù)傳輸，最終提高整個(gè)系統(tǒng)的能源效率。

Huo和他的同事創(chuàng)建的內(nèi)存計(jì)算設(shè)備是具有垂直堆疊層和外圍電路的3DRRAM。該器件的電路采用55nmCMOS技術(shù)制造，該技術(shù)是當(dāng)今市場上大多數(shù)集成電路的基礎(chǔ)。

研究人員通過使用它來執(zhí)行復(fù)雜的操作并運(yùn)行用于檢測MRI腦部掃描邊緣的模型來評估他們的設(shè)備。該團(tuán)隊(duì)使用兩個(gè)現(xiàn)有的用于訓(xùn)練圖像識(shí)別工具的MRI數(shù)據(jù)集(稱為MNIST和CIFAR-10數(shù)據(jù)集)來訓(xùn)練他們的模型。

“當(dāng)輸入、權(quán)重和輸出數(shù)據(jù)分別為8,9和22位且位密度為58.2位µm–2，”研究人員在他們的論文中寫道。“我們表明，與傳統(tǒng)方法相比，宏在CIFAR-10數(shù)據(jù)集上提供了更準(zhǔn)確的大腦MRI邊緣檢測和更高的推理精度。”

在最初的測試中，由霍和他的同事創(chuàng)建的內(nèi)存計(jì)算垂直RRAM系統(tǒng)取得了顯著的成果，優(yōu)于傳統(tǒng)的RRAM方法。因此，在未來，它可能被證明對于更節(jié)能地運(yùn)行基于CNN的復(fù)雜模型非常有價(jià)值，同時(shí)還能實(shí)現(xiàn)更好的準(zhǔn)確性和性能。

　　免責(zé)聲明：本文由用戶上傳，與本網(wǎng)站立場無關(guān)。財(cái)經(jīng)信息僅供讀者參考，并不構(gòu)成投資建議。投資者據(jù)此操作，風(fēng)險(xiǎn)自擔(dān)。 如有侵權(quán)請聯(lián)系刪除！