14. april 2023 (Nanowerk Spotlight) Phase Change Memory (PCM) er en type ikke-flygtig hukommelsesteknologi, der lagrer data på nanoskala ved at ændre fasen af et specialiseret materiale mellem krystallinske og amorfe tilstande. I den krystallinske tilstand udviser materialet lav elektrisk modstand, mens det i den amorfe tilstand har høj modstand. Ved at påføre forskellige varme- og hurtigt afkølende impulser kan fasen skiftes, så data kan skrives og læses som binære værdier (0s og 1s) eller kontinuerlige analoge værdier baseret på materialets modstand. Faseændringshukommelse er en ny teknologi med et stort potentiale til at fremme analog in-memory computing, især i dybe neurale netværk og neuromorf computing. Forskellige faktorer, såsom modstandsværdier, hukommelsesvindue og modstandsdrift, påvirker ydelsen af PCM i disse applikationer. Hidtil har det været udfordrende for forskere at sammenligne PCM-enheder til in-memory computing udelukkende baseret på deres forskellige enhedskarakteristika, som ofte havde afvejninger og korrelationer. En anden udfordring er, at analog in-memory computing i høj grad kan forbedre hastigheden og reducere strømforbruget til AI computing, men det kan lide under reduceret nøjagtighed på grund af ufuldkommenhed i de analoge hukommelsesenheder. Ny forskning, offentliggjort i Avancerede elektroniske materialer ("Optimering af projekteret faseændringshukommelse til analog In-Memory Computing Inference"), løser disse problemer ved at 1) i vid udstrækning benchmarke PCM-enheder i store neurale netværk og tilbyde værdifulde retningslinjer for optimering af disse enheder i fremtiden, og 2) at forbedre og optimere analoge hukommelsesenheder fremstillet med faseændringsmaterialer, hvilket i sidste ende forbedrer nøjagtigheden for AI-databehandling. Ning Li, som på det tidspunkt arbejdede ved IBM Research i Yorktown Heights og Albany (nu lektor ved Lehigh University), den første forfatter til undersøgelsen, og hans IBM-kolleger forklarer: "Først opdagede vi, at mange enhedskarakteristika kan tunes systematisk tunes systematisk ved hjælp af et linerlag introduceret i vores tidligere arbejde. For det andet fandt vi en måde at optimere disse enhedskarakteristika fra et systemsynspunkt ved hjælp af omfattende simuleringer på systemniveau." Disse to fremskridt tilsammen gjorde det muligt for teamet at identificere de bedste enheder." I dette arbejde skabte teamet modeller til at repræsentere driften og støjadfærden af PCM-enheder. De brugte disse modeller til at vurdere ydeevnen af disse enheder i neurale netværksinferensapplikationer. De evaluerede ydeevnen af store neurale netværk med titusindvis af millioner vægte (dvs. parametrene i et neuralt netværk, der bestemmer styrken af forbindelserne mellem neuroner; I tilfælde af PCM-baseret analog in-memory computing, lagres vægtene som modstandsværdier i PCM-enhederne) ved hjælp af PCM-enheder både med og uden projektionsforinger (yderligere lag introduceret i PCM-enhedsstrukturen, som er lavet af et ikke-faseændringsmateriale), tester en række forskellige dybe neurale netværk (DNN'er) og datasæt på flere tidstrin.
Målte karakteristika for PCM-enheden og deres indvirkning på netværkets nøjagtighed som funktion af PCM-hukommelsesvinduet a) programmeringsområde Gmax–Gmin, b) peakdriftskoefficient, c) standardafvigelse af driftkoefficient, d) normaliseret læsestøj, e) ResNet- 32 (CIFAR-10) inferensfejl på kort sigt (1 sekund) og lang sigt (1 måned) efter programmering, f) LSTM (PTB) inferensfejl ved 1 sekund og 1 måned efter programmering, g) BERT (MRPC) inferensfejl 1 sekund og 1 måned efter programmering, h) BERT (MNLI) inferensfejl ved 1 sekund og 1 måned efter programmering. (Gentrykt med tilladelse af Wiley-VCH Verlag) (klik på billedet for at forstørre) Undersøgelsen viser, at enheder med projektionsforinger klarer sig godt på tværs af forskellige DNN-typer, herunder tilbagevendende neurale netværk (RNN'er), konvolutionelle neurale netværk (CNN'er) og transformator- baserede netværk. Forskerne undersøgte også virkningen af forskellige enhedskarakteristika på netværkets nøjagtighed og identificerede en række målenhedsspecifikationer for PCM med liners, der kan føre til yderligere forbedringer. I modsætning til tidligere rapporter om PCM-enheder til AI-databehandling, binder dette arbejde enhedsresultater til slutresultaterne af computerchips med store og nyttige dybe neurale netværk. Dr. Li forklarer, at PCM-enheder til in-memory computing er svære at sammenligne for AI-applikationer ved kun at bruge enhedskarakteristika. Undersøgelsen giver en løsning på dette problem ved at tilbyde omfattende benchmarking af PCM-enheder i forskellige netværk under forskellige forhold med vægtkortlægning og retningslinjer for PCM-enhedsoptimering. Ved at kunne vise, at enhedskarakteristika kan indstilles kontinuerligt, og at disse karakteristika er korrelerede med hinanden, bliver en systematisk optimering af enhederne mulig. Ved hjælp af deres optimeringsstrategi viste forskerne, at de kan opnå meget bedre nøjagtighed for både kortsigtet og langsigtet programmering. De reducerede betydeligt virkningerne af PCM-drift og støj på dybe neurale netværk, hvilket forbedrede både initial nøjagtighed og langsigtet nøjagtighed. "Potentielle anvendelser af vores arbejde omfatter forbedret hastighed, reduceret kraft og reducerede omkostninger i sprogbehandling, billedgenkendelse og endnu bredere AI-applikationer, såsom ChatGPT," påpeger Li. Som et resultat af dette arbejde forestiller forskerne, at store neurale netværksberegninger vil blive hurtigere, grønnere og billigere. De næste trin i deres undersøgelser omfatter yderligere optimering af PCM-enheder og implementering af dem i computerchips. "Den fremtidige retning for dette forskningsfelt er at muliggøre rigtige produkter, som kunderne finder nyttige," slutter Li. "Selvom analoge systemer bruger ufuldkomne analoge enheder, tilbyder de betydelige fordele med hensyn til hastighed, kraft og omkostninger. Udfordringen ligger i at identificere passende applikationer og aktivere dem.”
By
Michael
Berger
-
Michael er forfatter til tre bøger af Royal Society of Chemistry:
Nanosamfund: At flytte teknologiens grænser,
Nanoteknologi: Fremtiden er lilleog
Nanoengineering: De færdigheder og værktøjer, der gør teknologi usynlig
Copyright ©
Michael
Berger
-
Michael er forfatter til tre bøger af Royal Society of Chemistry:
Nanosamfund: At flytte teknologiens grænser,
Nanoteknologi: Fremtiden er lilleog
Nanoengineering: De færdigheder og værktøjer, der gør teknologi usynlig
Copyright ©
Nanoværk
Bliv en Spotlight-gæsteforfatter! Slut dig til vores store og voksende gruppe af gæstebidragydere. Har du lige udgivet en videnskabelig artikel eller har du andre spændende udviklinger at dele med nanoteknologisamfundet? Sådan udgiver du på nanowerk.com.
- SEO Powered Content & PR Distribution. Bliv forstærket i dag.
- Platoblokkæde. Web3 Metaverse Intelligence. Viden forstærket. Adgang her.
- Kilde: https://www.nanowerk.com/spotlight/spotid=62821.php
- :er
- 1
- 10
- 7
- 8
- 9
- a
- I stand
- nøjagtighed
- opnå
- tværs
- Yderligere
- adresser
- fremskridt
- fordele
- påvirke
- Efter
- AI
- tillade
- Skønt
- Amazon
- ,
- En anden
- applikationer
- Anvendelse
- ER
- AS
- Associate
- At
- forfatter
- baseret
- BE
- bliver
- bliver
- være
- BEDSTE
- Bedre
- mellem
- Bøger
- fremme
- grænser
- bredere
- by
- CAN
- tilfælde
- center
- udfordre
- udfordrende
- lave om
- skiftende
- karakteristika
- ChatGPT
- billigere
- kemi
- Chips
- klik
- kolleger
- samfund
- sammenligne
- beregning
- computer
- computing
- betingelser
- Tilslutninger
- forbrug
- kontinuerlig
- kontinuerligt
- korrelationer
- Koste
- oprettet
- Kunder
- data
- datasæt
- Dato
- dyb
- dybe neurale netværk
- demonstreret
- Bestem
- udvikling
- afvigelse
- enhed
- Enheder
- forskellige
- svært
- retning
- opdaget
- e
- effekter
- elektronisk
- smergel
- Emerging Technology
- muliggøre
- aktiveret
- muliggør
- styrke
- fejl
- Ether (ETH)
- evalueret
- Endog
- spændende
- udstillinger
- Forklar
- Forklarer
- omfattende
- faktorer
- langt
- hurtigere
- felt
- Finde
- fund
- Fornavn
- Til
- fundet
- fra
- funktion
- yderligere
- fremtiden
- gif
- stor
- stærkt
- gruppe
- Dyrkning
- Gæst
- retningslinjer
- Have
- højder
- Høj
- Hvordan
- How To
- HTTPS
- i
- IBM
- identificeret
- identificere
- identificere
- billede
- Billedgenkendelse
- KIMOs Succeshistorier
- gennemføre
- Forbedre
- forbedret
- forbedringer
- forbedring
- in
- omfatter
- Herunder
- initial
- introduceret
- Undersøgelser
- spørgsmål
- IT
- deltage
- jpg
- Sprog
- stor
- lag
- lag
- føre
- logo
- Lang
- langsigtet
- Lav
- lavet
- Making
- mange
- kortlægning
- materiale
- materialer
- Kan..
- Hukommelse
- Michael
- Mellemøsten
- millioner
- modeller
- Måned
- flere
- navn
- nanoteknologi
- netværk
- net
- Neural
- neurale netværk
- neurale netværk
- Neuroner
- Ny
- næste
- Støj
- of
- tilbyde
- tilbyde
- on
- ONE
- optimering
- Optimer
- optimeret
- optimering
- Andet
- Papir
- parametre
- især
- Peak
- udføre
- ydeevne
- tilladelse
- fase
- PHP
- plato
- Platon Data Intelligence
- PlatoData
- Punkt
- Synspunkt
- punkter
- mulig
- potentiale
- magt
- tidligere
- Forud
- Problem
- forarbejdning
- Produkter
- Professor
- Programmering
- fremskrevet
- Fremskrivning
- giver
- offentliggøre
- offentliggjort
- forlægger
- Pushing
- rækkevidde
- hurtigt
- Læs
- ægte
- anerkendelse
- reducere
- Reduceret
- Rapporter
- repræsentere
- forskning
- forskere
- Modstand
- resultere
- Resultater
- Royal
- s
- Anden
- Del
- Kort
- kort sigt
- Vis
- signifikant
- betydeligt
- færdigheder
- So
- indtil nu
- Samfund
- løsninger
- specialiserede
- specifikationer
- hastighed
- Spotlight
- etaper
- standard
- Tilstand
- Stater
- opbevaret
- forhandler
- Strategi
- styrke
- struktur
- Studere
- sådan
- egnede
- skiftede
- systemet
- Systemer
- mål
- hold
- Teknologier
- Test
- at
- Fremtiden
- deres
- Them
- Disse
- tre
- Slips
- tid
- Titel
- til
- sammen
- værktøjer
- typer
- Ultimativt
- under
- universitet
- opdateringer
- URL
- brug
- Værdifuld
- Værdier
- række
- forskellige
- Specifikation
- Vej..
- vægt
- GODT
- som
- mens
- WHO
- vilje
- med
- inden for
- uden
- Arbejde
- arbejder
- skriftlig
- Din
- zephyrnet
Mere fra Nanoværk
Oplåsning af naturens hemmeligheder giver en kraftfuld iongenerator
Kildeknude: 2314976
Tidsstempel: Oktober 6, 2023
En 4D-printer til smarte materialer med magneto- og elektromekaniske egenskaber
Kildeknude: 1998835
Tidsstempel: Mar 8, 2023
At få stoffer over blod-hjerne-barrieren ved hjælp af nanopartikler
Kildeknude: 1987715
Tidsstempel: Mar 2, 2023
Kunstig intelligens katalyserer genaktiveringsforskning og afslører sjældne DNA-sekvenser
Kildeknude: 2101659
Tidsstempel: Maj 19, 2023
En ny high-throughput metode til screening af proteinudskillende mikrobielle stammer
Kildeknude: 2113599
Tidsstempel: Maj 30, 2023
Høj termisk ledningsevne af kubisk siliciumcarbid blev endelig demonstreret
Kildeknude: 1957189
Tidsstempel: Februar 14, 2023
Brug af smarte bioelektroniske enheder til at fange og frigive tumorceller
Kildeknude: 2260127
Tidsstempel: September 8, 2023
Billeddannelse af de mindste atomer giver indsigt i et enzyms usædvanlige biokemi
Kildeknude: 2281177
Tidsstempel: September 20, 2023
En stjerne som en Matryoshka-dukke: Ny teori for gravastjerner
Kildeknude: 2481345
Tidsstempel: Februar 15, 2024
Transformer! Ny multi-purpose robot ændrer form til forskellige formål
Kildeknude: 2298893
Tidsstempel: September 29, 2023
Optimering af nanoskala transistorydelse gennem valg af portmetalbearbejdningsfunktion
Kildeknude: 2517391
Tidsstempel: Mar 17, 2024