14 abr 2023 (Proyector Nanowerk) La memoria de cambio de fase (PCM) es un tipo de tecnología de memoria no volátil que almacena datos a nanoescala cambiando la fase de un material especializado entre estados cristalinos y amorfos. En estado cristalino, el material presenta una baja resistencia eléctrica, mientras que en estado amorfo tiene una alta resistencia. Al aplicar diferentes pulsos de calor y enfriamiento rápido, se puede cambiar la fase, lo que permite escribir y leer datos como valores binarios (0 y 1) o valores analógicos continuos basados en la resistencia del material. La memoria de cambio de fase es una tecnología emergente con un gran potencial para avanzar en la computación analógica en memoria, particularmente en redes neuronales profundas y computación neuromórfica. Varios factores, como los valores de resistencia, la ventana de memoria y la deriva de resistencia, afectan el rendimiento del PCM en estas aplicaciones. Hasta ahora, ha sido un desafío para los investigadores comparar los dispositivos PCM para la computación en memoria basándose únicamente en las diversas características de sus dispositivos, que a menudo tenían compensaciones y correlaciones. Otro desafío es que la computación analógica en memoria puede mejorar en gran medida la velocidad y reducir el consumo de energía para la computación con IA, pero puede sufrir una precisión reducida debido a imperfecciones en los dispositivos de memoria analógica. Una nueva investigación, publicada en Materiales electrónicos avanzados (“Optimización de la memoria de cambio de fase proyectada para inferencia informática analógica en memoria”), aborda estos problemas 1) comparando ampliamente los dispositivos PCM en grandes redes neuronales, ofreciendo pautas valiosas para optimizar estos dispositivos en el futuro, y 2) mejorando y optimizando los dispositivos de memoria analógica fabricados con materiales de cambio de fase, lo que en última instancia mejora la precisión de la computación con IA. Ning Li, que en ese momento trabajaba en IBM Research en Yorktown Heights y Albany (ahora profesor asociado en la Universidad de Lehigh), el primer autor del estudio, y sus colegas de IBM explican: “Primero, descubrimos que muchas características del dispositivo Se puede ajustar sistemáticamente utilizando una capa de revestimiento introducida en nuestro trabajo anterior. En segundo lugar, encontramos una manera de optimizar las características de estos dispositivos desde el punto de vista del sistema mediante extensas simulaciones a nivel de sistema”. Estos dos avances juntos permitieron al equipo identificar los mejores dispositivos”. En este trabajo, el equipo creó modelos para representar el comportamiento de deriva y ruido de los dispositivos PCM. Utilizaron estos modelos para evaluar el rendimiento de estos dispositivos en aplicaciones de inferencia de redes neuronales. Evaluaron el rendimiento de grandes redes neuronales con decenas de millones de pesos (es decir, los parámetros dentro de una red neuronal que determinan la fuerza de las conexiones entre neuronas; en el caso de la computación analógica en memoria basada en PCM, los pesos se almacenan como valores de resistencia en los dispositivos PCM) usando dispositivos PCM con y sin revestimientos de proyección (capas adicionales introducidas en la estructura del dispositivo PCM, que están hechas de un material sin cambio de fase), probando una variedad de redes neuronales profundas (DNN) y conjuntos de datos en múltiples pasos de tiempo.
Características medidas del dispositivo PCM y su impacto en la precisión de la red en función de la ventana de memoria PCM a) rango de programación Gmax-Gmin, b) coeficiente de deriva máximo, c) desviación estándar del coeficiente de deriva, d) ruido de lectura normalizado, e) ResNet- 32 (CIFAR-10) error de inferencia a corto plazo (1 segundo) y largo plazo (1 mes) después de la programación, f) error de inferencia LSTM (PTB) a 1 segundo y 1 mes después de la programación, g) error de inferencia BERT (MRPC) a 1 segundo y 1 mes después de la programación, h) error de inferencia BERT (MNLI) a 1 segundo y 1 mes después de la programación. (Reimpreso con autorización de Wiley-VCH Verlag) (haga clic en la imagen para ampliarla) El estudio encuentra que los dispositivos con revestimientos de proyección funcionan bien en varios tipos de DNN, incluidas las redes neuronales recurrentes (RNN), las redes neuronales convolucionales (CNN) y las redes neuronales transformadoras. redes basadas. Los investigadores también examinaron el impacto de diferentes características de los dispositivos en la precisión de la red e identificaron una variedad de especificaciones de dispositivos objetivo para PCM con revestimientos que pueden conducir a mejoras adicionales. A diferencia de informes anteriores sobre dispositivos PCM para informática de IA, este trabajo vincula los resultados de los dispositivos con los resultados finales de los chips informáticos con redes neuronales profundas grandes y útiles. El Dr. Li explica que los dispositivos PCM para computación en memoria son difíciles de comparar con aplicaciones de IA si se utilizan únicamente las características del dispositivo. El estudio proporciona una solución a este problema al ofrecer una evaluación comparativa exhaustiva de dispositivos PCM en varias redes bajo diversas condiciones de mapeo de peso y pautas para la optimización de dispositivos PCM. Al poder demostrar que las características de los dispositivos se pueden ajustar continuamente y que estas características están correlacionadas entre sí, es posible una optimización sistemática de los dispositivos. Utilizando su estrategia de optimización, los investigadores demostraron que pueden lograr una precisión mucho mayor para la programación tanto a corto como a largo plazo. Redujeron significativamente los efectos de la deriva y el ruido del PCM en las redes neuronales profundas, mejorando tanto la precisión inicial como la precisión a largo plazo. "Las posibles aplicaciones de nuestro trabajo incluyen velocidad mejorada, menor consumo de energía y menores costos en el procesamiento del lenguaje, el reconocimiento de imágenes e incluso aplicaciones de inteligencia artificial más amplias, como ChatGPT", señala Li. Como resultado de este trabajo, los investigadores prevén que la computación de grandes redes neuronales será más rápida, más ecológica y más barata. Las próximas etapas de sus investigaciones incluyen optimizar aún más los dispositivos PCM e implementarlos en chips de computadora. "La dirección futura de este campo de investigación es permitir productos reales que los clientes encuentren útiles", concluye Li. “Aunque los sistemas analógicos utilizan dispositivos analógicos imperfectos, ofrecen ventajas significativas en velocidad, potencia y costo. El desafío consiste en identificar aplicaciones adecuadas y habilitarlas”.
By
Michael
Berger
–
Michael es autor de tres libros de la Royal Society of Chemistry:
Nano-sociedad: empujando los límites de la tecnología,
Nanotecnología: el futuro es pequeñoy
Nanoingeniería: las habilidades y herramientas que hacen que la tecnología sea invisible
Copyright ©
Michael
Berger
–
Michael es autor de tres libros de la Royal Society of Chemistry:
Nano-sociedad: empujando los límites de la tecnología,
Nanotecnología: el futuro es pequeñoy
Nanoingeniería: las habilidades y herramientas que hacen que la tecnología sea invisible
Copyright ©
Nanowerk
¡Conviértete en autor invitado de Spotlight! Únase a nuestro gran y creciente grupo de contribuyentes invitados. ¿Acaba de publicar un artículo científico o tiene otros desarrollos interesantes para compartir con la comunidad de nanotecnología? Aquí se explica cómo publicar en nanowerk.com.
- Distribución de relaciones públicas y contenido potenciado por SEO. Consiga amplificado hoy.
- Platoblockchain. Inteligencia del Metaverso Web3. Conocimiento amplificado. Accede Aquí.
- Fuente: https://www.nanowerk.com/spotlight/spotid=62821.php
- :es
- 1
- 10
- 7
- 8
- 9
- a
- Poder
- la exactitud
- Lograr
- a través de
- Adicionales
- direcciones
- avances
- ventajas
- afectar
- Después
- AI
- Permitir
- Aunque
- Amazon
- y
- Otra
- aplicaciones
- La aplicación de
- somos
- AS
- Consejos
- At
- autor
- basado
- BE
- a las que has recomendado
- se convierte en
- "Ser"
- MEJOR
- mejores
- entre
- Libros
- impulsar
- límites
- más amplio
- by
- PUEDEN
- case
- Reubicación
- Reto
- desafiante
- el cambio
- cambio
- características
- ChatGPT
- más barato
- química
- Papas fritas
- clic
- personal
- vibrante e inclusiva
- comparar
- cálculo
- computadora
- informática
- condiciones
- Conexiones
- consumo
- continuo
- continuamente
- correlaciones
- Cost
- creado
- Clientes
- datos
- conjuntos de datos
- Fecha
- profundo
- redes neuronales profundas
- demostrado
- Determinar
- desarrollos
- desviación
- dispositivo
- Dispositivos
- una experiencia diferente
- difícil
- dirección
- descubierto CRISPR
- e
- los efectos
- Electronic
- emergentes
- Tecnología emergente
- habilitar
- facilita
- permitiendo
- mejorar
- error
- Éter (ETH)
- evaluado
- Incluso
- emocionante
- exposiciones
- Explicar
- Explica
- en los detalles
- factores importantes
- muchos
- más rápida
- campo
- Encuentre
- encuentra
- Nombre
- encontrado
- en
- función
- promover
- futuras
- gif
- maravillosa
- muy
- Grupo procesos
- Creciendo
- Invitad@s
- orientaciones
- Tienen
- alturas
- Alta
- Cómo
- Como Hacer
- HTTPS
- i
- IBM
- no haber aun identificado una solucion para el problema
- Identifique
- identificar
- imagen
- Reconocimiento de imagen
- Impacto
- implementación
- mejorar
- mejorado
- mejoras
- la mejora de
- in
- incluir
- Incluye
- inicial
- Introducido
- Investigaciones
- cuestiones
- IT
- únete
- jpg
- idioma
- large
- .
- ponedoras
- Lead
- logo
- Largo
- compromiso a largo plazo
- Baja
- hecho
- Realizar
- muchos
- cartografía
- materiales
- materiales
- Puede..
- Salud Cerebral
- Michael
- Ed. Media
- millones
- modelos
- Mes
- múltiples
- nombre
- nanotecnología
- del sistema,
- telecomunicaciones
- Neural
- red neural
- redes neuronales
- Neuronas
- Nuevo
- Next
- ruido
- of
- LANZAMIENTO
- que ofrece
- on
- ONE
- optimización
- Optimización
- optimizado
- optimizando
- Otro
- Papel
- parámetros
- particularmente
- En pleno
- realizar
- actuación
- permiso
- fase
- PHP
- Platón
- Inteligencia de datos de Platón
- PlatónDatos
- punto
- Punto de vista.
- puntos
- posible
- posible
- industria
- anterior
- Anterior
- Problema
- tratamiento
- Productos
- Profesor
- Programación
- proyectado
- Proyección
- proporciona un
- publicar
- publicado
- editor
- Emprendedor
- distancia
- rápidamente
- Leer
- real
- reconocimiento
- reducir
- Reducción
- Informes
- representar
- la investigación
- investigadores
- Resistencia
- resultado
- Resultados
- real
- s
- Segundo
- Compartir
- En Corto
- a corto plazo
- Mostrar
- importante
- significativamente
- habilidades
- So
- hasta aquí
- Sociedades
- a medida
- especializado
- Especificaciones
- velocidad
- Spotlight
- etapas
- estándar
- Estado
- Zonas
- almacenados
- tiendas
- Estrategia
- fuerza
- estructura
- ESTUDIO
- tal
- adecuado
- conmutada
- te
- Todas las funciones a su disposición
- Target
- equipo
- Tecnología
- Pruebas
- esa
- El
- El futuro de las
- su
- Les
- Estas
- Tres
- Corbatas
- equipo
- Título
- a
- juntos
- tipos
- Finalmente, a veces
- bajo
- universidad
- Actualizaciones
- Enlance
- utilizan el
- Valioso
- Valores
- variedad
- diversos
- Ver
- Camino..
- peso
- WELL
- que
- mientras
- QUIENES
- seguirá
- dentro de
- sin
- Actividades:
- trabajando
- escrito
- tú
- zephyrnet
Mas de Nanowerk
TESS de la NASA descubre el segundo mundo del tamaño de la Tierra del sistema planetario
Nodo de origen: 1890620
Sello de tiempo: 11 de enero de 2023
Mejora de la evaluación de la seguridad de las nanopartículas
Nodo de origen: 1867831
Sello de tiempo: 4 de enero de 2023
Las nuevas nanoláminas 2D sintonizables permiten muchas aplicaciones de semiconductores, desde la electrónica hasta la fotocatálisis
Nodo de origen: 2011573
Sello de tiempo: 15 de marzo, 2023
El autoensamblaje guiado por láser permite la fabricación precisa de microrrodillos para aplicaciones avanzadas
Nodo de origen: 2534870
Sello de tiempo: Apr 4, 2024
Investigadores controlan moléculas individuales para detección de precisión
Nodo de origen: 2139741
Sello de tiempo: 19 de junio de 2023
Estados unidos híbridos en el continuo en metasuperficies de terahercios
Nodo de origen: 2108656
Sello de tiempo: 26 de mayo de 2023
Micropicos de titanio pinchan superbacterias resistentes
Nodo de origen: 2243401
Sello de tiempo: 29 de Agosto, 2023
El orden de apilamiento y la tensión aumentan la generación del segundo armónico con heterobicapas 2D de Janus
Nodo de origen: 2292508
Sello de tiempo: 26 de septiembre de 2023
Una técnica de imágenes de vanguardia arroja luz sobre cómo se apilan las hebras de ADN
Nodo de origen: 2224943
Sello de tiempo: 17 de Agosto, 2023
Observando el movimiento coherente de los electrones con un cronómetro de attosegundos.
Nodo de origen: 2276425
Sello de tiempo: 16 de septiembre de 2023
Nuevo tipo de fricción descubierta en sistemas ligando-proteína
Nodo de origen: 2042093
Sello de tiempo: 31 de marzo, 2023
Ruta de deposición de capas atómicas hacia películas delgadas escalables de grado electrónico de Van der Waals Te
Nodo de origen: 2277974
Sello de tiempo: 18 de septiembre de 2023