14. április 2023. (Nanowerk Spotlight) A fázisváltó memória (PCM) a nem felejtő memóriatechnológia egy olyan típusa, amely az adatokat nanoméretben tárolja egy speciális anyag fázisának kristályos és amorf állapotok közötti megváltoztatásával. Kristályos állapotban az anyag elektromos ellenállása alacsony, míg amorf állapotban nagy ellenállással rendelkezik. Különböző hő- és gyorshűtési impulzusok alkalmazásával a fázis átkapcsolható, lehetővé téve az adatok bináris értékként (0s és 1s) vagy folyamatos analóg értékként történő írását és kiolvasását az anyag ellenállása alapján. A fázisváltó memória egy feltörekvő technológia, amely nagy lehetőségeket rejt magában az analóg memórián belüli számítástechnika fejlesztésében, különösen a mély neurális hálózatokban és a neuromorf számítástechnikában. Különböző tényezők, például az ellenállásértékek, a memóriaablak és az ellenállássodródás befolyásolják a PCM teljesítményét ezekben az alkalmazásokban. Eddig kihívást jelentett a kutatóknak a PCM-eszközök összehasonlítása a memórián belüli számítástechnika számára, pusztán a különféle eszközjellemzőik alapján, amelyek gyakran kompromisszumokkal és összefüggésekkel jártak. Egy másik kihívás, hogy az analóg memórián belüli számítástechnika nagymértékben javíthatja a sebességet és csökkentheti az AI számítástechnika energiafogyasztását, de az analóg memóriaeszközök tökéletlensége miatt csökkenhet a pontosság. Új kutatás, megjelent: Fejlett elektronikus anyagok („A kivetített fázisváltási memória optimalizálása az analóg memórián belüli számítástechnikai következtetésekhez”), addresses these issues by 1) extensively benchmarking PCM devices in large neural networks, offering valuable guidelines for optimizing these devices in the future, and 2) improving and optimizing analog memory devices made with phase change materials, ultimately enhancing accuracy for AI computing.
Ning Li, who at the time was working at the IBM Research in Yorktown Heights and Albany (now an Associate Professor at Lehigh University), the first author of the study, and his IBM colleagues explain: “First, we discovered that many device characteristics can be tuned systematically tuned systematically using a liner layer introduced in our prior work. Second, we found a way to optimize these device characteristics from a system point of view using extensive system-level simulations.” These two advances together enabled the team to identify the best devices.”
In this work, the team created models to represent the drift and noise behavior of PCM devices. They used these models to assess the performance of these devices in neural network inference applications. They evaluated the performance of large neural networks with tens of millions of weights (i.e., the parameters within a neural network that determine the strength of the connections between neurons; In the case of PCM-based analog in-memory computing, the weights are stored as resistance values in the PCM devices) using PCM devices both with and without projection liners (additional layers introduced into the PCM device structure, which are made of a non-phase change material), testing a variety of deep neural networks (DNNs) and datasets at multiple time-steps.
Measured characteristics of PCM device and their impact on network accuracy as a function of PCM memory window a) programming range Gmax–Gmin, b) peak drift coefficient, c) standard deviation of drift coefficient, d) normalized read noise, e) ResNet-32 (CIFAR-10) inference error at short term (1 second) and long term (1 month) after programming, f) LSTM (PTB) inference error at 1 second and 1 month after programming, g) BERT (MRPC) inference error at 1 second and 1 month after programming, h) BERT (MNLI) inference error at 1 second and 1 month after programming. (Reprinted with permission by Wiley-VCH Verlag) (click on image to enlarge)
The study finds that devices with projection liners perform well across various DNN types, including recurrent neural networks (RNNs), convolutional neural networks (CNNs), and transformer-based networks. The researchers also examined the impact of different device characteristics on network accuracy and identified a range of target device specifications for PCM with liners that can lead to further improvements.
Unlike previous reports on PCM devices for AI computing, this work ties device results to the end results of computing chips with large and useful deep neural networks. Dr. Li explains that PCM devices for in-memory computing are difficult to compare for AI applications by only using device characteristics. The study provides a solution to this problem by offering extensive benchmarking of PCM devices in various networks under various conditions of weight mapping and guidelines for PCM device optimization.
By being able to show that device characteristics can be tuned continuously, and that these characteristics are correlated with one another, systematic optimization of the devices becomes possible.
Using their optimization strategy, the researchers demonstrated that they can achieve much better accuracy for both short-term and long-term programming. They significantly reduced the effects of PCM drift and noise on deep neural networks, improving both initial accuracy and long-term accuracy.
“Potential applications of our work include improved speed, reduced power, and reduced cost in language processing, image recognition, and even broader AI applications, such as ChatGPT,” Li points out.
As a result of this work, the researchers envision that large neural network computation will become faster, greener, and cheaper. The next stages in their investigations include further optimizing PCM devices and implementing them in computer chips.
“The future direction for this research field is to enable real products that customers find useful,” Li concludes. “Although analog systems use imperfect analog devices, they offer significant advantages in speed, power, and cost. The challenge lies in identifying suitable applications and enabling them.”
By
Michael
Berger
-
Michael a Royal Society of Chemistry három könyvének szerzője:
Nanotársadalom: a technológia határainak feszegetése,
Nanotechnológia: A jövő apróés
Nanomérnöki tervezés: A technológiát láthatatlanná tevő készségek és eszközök
copyright ©
Michael
Berger
-
Michael a Royal Society of Chemistry három könyvének szerzője:
Nanotársadalom: a technológia határainak feszegetése,
Nanotechnológia: A jövő apróés
Nanomérnöki tervezés: A technológiát láthatatlanná tevő készségek és eszközök
copyright ©
Nanowerk
Legyen a Spotlight vendégszerzője! Csatlakozz nagy és növekvő csoportunkhoz vendég közreműködők. Nemrég publikált tudományos cikket, vagy más izgalmas fejleményeket szeretne megosztani a nanotechnológiai közösséggel? Így tehet közzé a nanowerk.com oldalon.
- SEO által támogatott tartalom és PR terjesztés. Erősödjön még ma.
- Platoblockchain. Web3 metaverzum intelligencia. Felerősített tudás. Hozzáférés itt.
- Forrás: https://www.nanowerk.com/spotlight/spotid=62821.php
- :is
- 1
- 10
- 7
- 8
- 9
- a
- Képes
- pontosság
- Elérése
- át
- További
- címek
- előlegek
- előnyei
- érint
- Után
- AI
- lehetővé téve
- Bár
- amazon
- és a
- Másik
- alkalmazások
- Alkalmazása
- VANNAK
- AS
- Társult
- At
- szerző
- alapján
- BE
- válik
- válik
- hogy
- BEST
- Jobb
- között
- Könyvek
- fellendítése
- határait
- tágabb
- by
- TUD
- eset
- Központ
- kihívás
- kihívást
- változik
- változó
- jellemzők
- ChatGPT
- olcsóbb
- kémia
- játékpénz
- kettyenés
- munkatársai
- közösség
- összehasonlítani
- számítás
- számítógép
- számítástechnika
- Körülmények
- kapcsolatok
- fogyasztás
- folyamatos
- folyamatosan
- összefüggések
- Költség
- készítette
- Ügyfelek
- dátum
- adatkészletek
- találka
- mély
- mély idegi hálózatok
- igazolták
- Határozzuk meg
- fejlesztések
- eltérés
- eszköz
- Eszközök
- különböző
- nehéz
- irány
- felfedezett
- e
- hatások
- Elektronikus
- csiszolókő
- Feltörekvő technológia
- lehetővé
- engedélyezve
- lehetővé téve
- fokozása
- hiba
- Eter (ETH)
- értékelték
- Még
- izgalmas
- kiállítási
- Magyarázza
- Elmagyarázza
- kiterjedt
- tényezők
- messze
- gyorsabb
- mező
- Találjon
- leletek
- vezetéknév
- A
- talált
- ból ből
- funkció
- további
- jövő
- gif
- nagy
- nagymértékben
- Csoport
- Növekvő
- Vendég
- irányelvek
- Legyen
- Magasság
- Magas
- Hogyan
- How To
- HTTPS
- i
- IBM
- azonosított
- azonosítani
- azonosító
- kép
- Képfelismerés
- Hatás
- végrehajtási
- javul
- javított
- fejlesztések
- javuló
- in
- tartalmaz
- Beleértve
- kezdetben
- Bevezetett
- Laboratóriumi vizsgálatok eredményei
- kérdések
- IT
- csatlakozik
- jpg
- nyelv
- nagy
- réteg
- tojók
- vezet
- logo
- Hosszú
- hosszú lejáratú
- Elő/Utó
- készült
- Gyártás
- sok
- térképészet
- anyag
- anyagok
- Lehet..
- Memory design
- Michael
- Középső
- Több millió
- modellek
- Hónap
- többszörös
- név
- nanotechnológia
- hálózat
- hálózatok
- ideg-
- neurális hálózat
- neurális hálózatok
- neuronok
- Új
- következő
- Zaj
- of
- ajánlat
- felajánlás
- on
- ONE
- optimalizálás
- Optimalizálja
- optimalizált
- optimalizálása
- Más
- Papír
- paraméterek
- különösen
- Csúcs
- teljesít
- teljesítmény
- engedély
- fázis
- PHP
- Plató
- Platón adatintelligencia
- PlatoData
- pont
- Nézőpont
- pont
- lehetséges
- potenciális
- hatalom
- előző
- Előzetes
- Probléma
- feldolgozás
- Termékek
- Egyetemi tanár
- Programozás
- tervezett
- Vetítés
- biztosít
- közzétesz
- közzétett
- kiadó
- Toló
- hatótávolság
- gyorsan
- Olvass
- igazi
- elismerés
- csökkenteni
- Csökkent
- Jelentések
- képvisel
- kutatás
- kutatók
- Ellenállás
- eredményez
- Eredmények
- királyi
- s
- Második
- Megosztás
- rövid
- rövid időszak
- előadás
- jelentős
- jelentősen
- készségek
- So
- eddig
- Társadalom
- megoldások
- specializált
- specifikációk
- sebesség
- reflektorfény
- állapota
- standard
- Állami
- Államok
- memorizált
- árnyékolók
- Stratégia
- erő
- struktúra
- Tanulmány
- ilyen
- megfelelő
- kapcsolva
- rendszer
- Systems
- cél
- csapat
- Technológia
- Tesztelés
- hogy
- A
- A jövő
- azok
- Őket
- Ezek
- három
- Ties
- idő
- Cím
- nak nek
- együtt
- szerszámok
- típusok
- Végül
- alatt
- egyetemi
- Frissítés
- URL
- használ
- Értékes
- Értékek
- fajta
- különféle
- Megnézem
- Út..
- súly
- JÓL
- ami
- míg
- WHO
- lesz
- val vel
- belül
- nélkül
- Munka
- dolgozó
- írott
- A te
- zephyrnet
Még több Nanowerk
A NASA TESS-je felfedezi a bolygórendszer második, Föld méretű világát
Forrás csomópont: 1890620
Időbélyeg: 11. január 2023.
A nanorészecskék biztonsági értékelésének javítása
Forrás csomópont: 1867831
Időbélyeg: 4. január 2023.
Az új hangolható 2D nanolapok számos félvezető alkalmazást tesznek lehetővé, az elektronikától a fotokatalízisig
Forrás csomópont: 2011573
Időbélyeg: 15. március 2023.
A lézervezérelt önszerelés lehetővé teszi a mikrohengerek precíz gyártását a fejlett alkalmazásokhoz
Forrás csomópont: 2534870
Időbélyeg: 4. április 2024.
A kutatók az egyes molekulákat irányítják a precíziós érzékelés érdekében
Forrás csomópont: 2139741
Időbélyeg: 19. június 2023.
Hibrid kötött állapotok a kontinuumban terahertzes metafelületeken
Forrás csomópont: 2108656
Időbélyeg: May 26, 2023
Titán mikrotüskék, nyársálló szuperbaktériumok
Forrás csomópont: 2243401
Időbélyeg: 29. augusztus 2023.
A halmozási sorrend és feszültség növeli a második harmonikus generációt a 2D Janus hetero-kettős rétegekkel
Forrás csomópont: 2292508
Időbélyeg: 26. szeptember 2023.
Cutting-edge imaging technique shines light on how DNA strands stack up
Forrás csomópont: 2224943
Időbélyeg: 17. augusztus 2023.
Elektronok koherens mozgásának megfigyelése attoszekundumos stopperrel
Forrás csomópont: 2276425
Időbélyeg: 16. szeptember 2023.
Új típusú súrlódást fedeztek fel ligandum-fehérje rendszerekben
Forrás csomópont: 2042093
Időbélyeg: 31. március 2023.
Atomréteges leválasztási útvonal méretezhető, elektronikus minőségű van der Waals Te vékony filmekhez
Forrás csomópont: 2277974
Időbélyeg: 18. szeptember 2023.