14 kwietnia 2023 (Nanowerk w centrum uwagi!) Pamięć zmiany fazy (PCM) to rodzaj technologii pamięci nieulotnej, która przechowuje dane w nanoskali poprzez zmianę fazy wyspecjalizowanego materiału ze stanu krystalicznego do amorficznego. W stanie krystalicznym materiał wykazuje niski opór elektryczny, natomiast w stanie amorficznym charakteryzuje się dużą opornością. Stosując różne impulsy ogrzewania i szybkiego chłodzenia, można przełączać fazy, umożliwiając zapisywanie i odczytywanie danych jako wartości binarne (0 i 1) lub ciągłe wartości analogowe w oparciu o rezystancję materiału. Pamięć ze zmianą fazy to nowa technologia o ogromnym potencjale udoskonalenia analogowych obliczeń w pamięci, szczególnie w głębokich sieciach neuronowych i obliczeniach neuromorficznych. Różne czynniki, takie jak wartości rezystancji, okno pamięci i dryft rezystancji, wpływają na wydajność PCM w tych zastosowaniach. Do tej pory badacze mieli trudności z porównaniem urządzeń PCM pod kątem przetwarzania w pamięci wyłącznie na podstawie różnych cech ich urządzeń, które często wiązały się z kompromisami i korelacjami. Kolejnym wyzwaniem jest to, że analogowe przetwarzanie w pamięci może znacznie poprawić prędkość i zmniejszyć zużycie energii w przypadku obliczeń AI, ale może ucierpieć na skutek zmniejszonej dokładności z powodu niedoskonałości analogowych urządzeń pamięci. Nowe badania, opublikowane w Zaawansowane materiały elektroniczne („Optymalizacja przewidywanej pamięci zmiany fazy na potrzeby analogowego wnioskowania obliczeniowego w pamięci”), rozwiązuje te problemy poprzez 1) szeroko zakrojone testy porównawcze urządzeń PCM w dużych sieciach neuronowych, oferując cenne wytyczne dotyczące optymalizacji tych urządzeń w przyszłości oraz 2) ulepszanie i optymalizację analogowych urządzeń pamięci wykonanych z materiałów zmiennofazowych, co ostatecznie zwiększa dokładność obliczeń AI. Ning Li, który wówczas pracował w IBM Research w Yorktown Heights i Albany (obecnie profesor nadzwyczajny na Uniwersytecie Lehigh), pierwszy autor badania, oraz jego koledzy z IBM wyjaśniają: „Po pierwsze odkryliśmy, że wiele cech urządzeń można dostrajać systematycznie dostrajać systematycznie za pomocą warstwy wewnętrznej wprowadzonej w naszej wcześniejszej pracy. Po drugie, znaleźliśmy sposób na optymalizację charakterystyki urządzeń z punktu widzenia systemu, korzystając z rozbudowanych symulacji na poziomie systemu”. Połączenie tych dwóch osiągnięć umożliwiło zespołowi zidentyfikowanie najlepszych urządzeń”. W ramach tej pracy zespół stworzył modele reprezentujące zachowanie dryfu i szumu urządzeń PCM. Wykorzystali te modele do oceny wydajności tych urządzeń w zastosowaniach wnioskowania w sieciach neuronowych. Ocenili wydajność dużych sieci neuronowych za pomocą dziesiątek milionów wag (tj. parametrów sieci neuronowej, które określają siłę połączeń między neuronami; w przypadku analogowego przetwarzania w pamięci opartego na PCM wagi są przechowywane jako wartości rezystancji w urządzeniach PCM) przy użyciu urządzeń PCM zarówno z wkładkami projekcyjnymi, jak i bez nich (dodatkowe warstwy wprowadzone do struktury urządzenia PCM, które są wykonane z materiału niezmiennego fazowo), testując różne głębokie sieci neuronowe (DNN) i zbiory danych w wielu krokach czasowych.
Zmierzone charakterystyki urządzenia PCM i ich wpływ na dokładność sieci w funkcji okna pamięci PCM a) zakres programowania Gmax–Gmin, b) szczytowy współczynnik dryftu, c) odchylenie standardowe współczynnika dryftu, d) znormalizowany szum odczytu, e) ResNet- 32 (CIFAR-10) błąd wnioskowania w krótkim okresie (1 sekunda) i długim okresie (1 miesiąc) po zaprogramowaniu, f) błąd wnioskowania LSTM (PTB) w 1 sekundzie i 1 miesiącu po zaprogramowaniu, g) błąd wnioskowania BERT (MRPC) po 1 sekundzie i 1 miesiącu od programowania, h) Błąd wnioskowania BERT (MNLI) po 1 sekundzie i 1 miesiącu od programowania. (Przedruk za zgodą Wiley-VCH Verlag) (kliknij obraz, aby powiększyć) Badanie wykazało, że urządzenia z powłokami projekcyjnymi dobrze radzą sobie z różnymi typami DNN, w tym rekurencyjnymi sieciami neuronowymi (RNN), splotowymi sieciami neuronowymi (CNN) i transformatorami- sieci oparte. Naukowcy zbadali także wpływ różnych cech urządzeń na dokładność sieci i zidentyfikowali szereg specyfikacji urządzeń docelowych dla PCM z wkładkami, które mogą prowadzić do dalszych ulepszeń. W przeciwieństwie do poprzednich raportów na temat urządzeń PCM do obliczeń AI, ta praca łączy wyniki urządzeń z wynikami końcowymi chipów obliczeniowych z dużymi i użytecznymi głębokimi sieciami neuronowymi. Dr Li wyjaśnia, że urządzenia PCM do przetwarzania w pamięci są trudne do porównania z aplikacjami AI na podstawie jedynie charakterystyki urządzenia. Badanie stanowi rozwiązanie tego problemu, oferując szeroki benchmarking urządzeń PCM w różnych sieciach w różnych warunkach mapowania wag oraz wytyczne dotyczące optymalizacji urządzeń PCM. Dzięki możliwości wykazania, że charakterystyki urządzeń można dostrajać w sposób ciągły i że te charakterystyki są ze sobą skorelowane, możliwa staje się systematyczna optymalizacja urządzeń. Stosując strategię optymalizacji, badacze wykazali, że mogą osiągnąć znacznie większą dokładność zarówno w przypadku programowania krótkoterminowego, jak i długoterminowego. Znacząco ograniczyli wpływ dryfu i szumu PCM na głębokie sieci neuronowe, poprawiając zarówno początkową, jak i długoterminową dokładność. „Potencjalne zastosowania naszej pracy obejmują zwiększoną prędkość, zmniejszoną moc i obniżone koszty przetwarzania języka, rozpoznawania obrazów, a nawet szersze zastosowania sztucznej inteligencji, takie jak ChatGPT” – zauważa Li. W wyniku tych prac naukowcy przewidują, że obliczenia w dużych sieciach neuronowych staną się szybsze, bardziej ekologiczne i tańsze. Kolejnymi etapami ich badań jest dalsza optymalizacja urządzeń PCM i implementacja ich w chipach komputerowych. „Przyszłym kierunkiem tej dziedziny badań jest udostępnienie klientom prawdziwych produktów, które będą przydatne dla klientów” – podsumowuje Li. „Chociaż systemy analogowe wykorzystują niedoskonałe urządzenia analogowe, oferują znaczne korzyści w zakresie szybkości, mocy i kosztów. Wyzwanie polega na zidentyfikowaniu odpowiednich aplikacji i umożliwieniu ich wykorzystania.”
By
Michał
Berger
-
Michael jest autorem trzech książek Royal Society of Chemistry:
Nano-społeczeństwo: przekraczanie granic technologii,
Nanotechnologia: przyszłość jest malutka,
Nanoinżynieria: umiejętności i narzędzia czyniące technologię niewidoczną
copyright ©
Michał
Berger
-
Michael jest autorem trzech książek Royal Society of Chemistry:
Nano-społeczeństwo: przekraczanie granic technologii,
Nanotechnologia: przyszłość jest malutka,
Nanoinżynieria: umiejętności i narzędzia czyniące technologię niewidoczną
copyright ©
Nanowerk
Zostań autorem gościa Spotlight! Dołącz do naszej dużej i rosnącej grupy współpracownicy gościnni. Czy właśnie opublikowałeś artykuł naukowy lub masz inne ekscytujące odkrycia, którymi chcesz się podzielić ze społecznością nanotechnologiczną? Oto jak publikować na nanowerk.com.
- Dystrybucja treści i PR oparta na SEO. Uzyskaj wzmocnienie już dziś.
- Platoblockchain. Web3 Inteligencja Metaverse. Wzmocniona wiedza. Dostęp tutaj.
- Źródło: https://www.nanowerk.com/spotlight/spotid=62821.php
- :Jest
- 1
- 10
- 7
- 8
- 9
- a
- Zdolny
- precyzja
- Osiągać
- w poprzek
- Dodatkowy
- Adresy
- zaliczki
- Zalety
- oddziaływać
- Po
- AI
- Pozwalać
- Chociaż
- Amazonka
- i
- Inne
- aplikacje
- Stosowanie
- SĄ
- AS
- Współpracownik
- At
- autor
- na podstawie
- BE
- stają się
- staje się
- jest
- BEST
- Ulepsz Swój
- pomiędzy
- Książki
- pobudzanie
- Granice
- szerszy
- by
- CAN
- walizka
- Centrum
- wyzwanie
- wyzwanie
- zmiana
- wymiana pieniędzy
- Charakterystyka
- ChatGPT
- tańsze
- chemia
- Frytki
- kliknij
- koledzy
- społeczność
- porównać
- obliczenia
- komputer
- computing
- Warunki
- połączenia
- konsumpcja
- ciągły
- bez przerwy
- korelacje
- Koszty:
- stworzony
- Klientów
- dane
- zbiory danych
- Data
- głęboko
- głębokie sieci neuronowe
- wykazać
- Ustalać
- wydarzenia
- odchylenie
- urządzenie
- urządzenia
- różne
- trudny
- kierunek
- odkryty
- e
- ruchomości
- Elektroniczny
- wschodzących
- Nowa technologia
- umożliwiać
- włączony
- umożliwiając
- wzmocnienie
- błąd
- Eter (ETH)
- oceniane
- Parzyste
- ekscytujący
- eksponaty
- Wyjaśniać
- Objaśnia
- rozległy
- Czynniki
- daleko
- szybciej
- pole
- Znajdź
- znajduje
- i terminów, a
- W razie zamówieenia projektu
- znaleziono
- od
- funkcjonować
- dalej
- przyszłość
- gif
- wspaniały
- bardzo
- Zarządzanie
- Rozwój
- Gość
- wytyczne
- Have
- wysokości
- Wysoki
- W jaki sposób
- How To
- HTTPS
- i
- IBM
- zidentyfikowane
- zidentyfikować
- identyfikacja
- obraz
- Rozpoznawanie obrazu
- Rezultat
- wykonawczych
- podnieść
- ulepszony
- ulepszenia
- poprawy
- in
- zawierać
- Włącznie z
- początkowy
- wprowadzono
- Dochodzenia
- problemy
- IT
- przystąpić
- jpg
- język
- duży
- warstwa
- nioski
- prowadzić
- logo
- długo
- długoterminowy
- niski
- zrobiony
- Dokonywanie
- wiele
- mapowanie
- materiał
- materiały
- Może..
- Pamięć
- Michał
- Środkowy
- miliony
- modele
- Miesiąc
- wielokrotność
- Nazwa
- nanotechnologia
- sieć
- sieci
- Nerwowy
- sieci neuronowe
- sieci neuronowe
- Neurony
- Nowości
- Następny
- Hałas
- of
- oferta
- oferuje
- on
- ONE
- optymalizacja
- Optymalizacja
- zoptymalizowane
- optymalizacji
- Inne
- Papier
- parametry
- szczególnie
- Szczyt
- wykonać
- jest gwarancją najlepszej jakości, które mogą dostarczyć Ci Twoje monitory,
- pozwolenie
- faza
- PHP
- plato
- Analiza danych Platona
- PlatoDane
- punkt
- Punkt widzenia
- zwrotnica
- możliwy
- potencjał
- power
- poprzedni
- Wcześniejszy
- Problem
- przetwarzanie
- Produkty
- Profesor
- Programowanie
- Przewiduje
- Projekcja
- zapewnia
- publikować
- opublikowany
- wydawca
- Popychanie
- zasięg
- szybko
- Czytaj
- real
- uznanie
- zmniejszyć
- Zredukowany
- Raporty
- reprezentować
- Badania naukowe
- Badacze
- Odporność
- dalsze
- Efekt
- królewski
- s
- druga
- Share
- Short
- krótkoterminowy
- pokazać
- znaczący
- znacznie
- umiejętności
- So
- dotychczas
- Społeczeństwo
- rozwiązanie
- wyspecjalizowanym
- Specyfikacje
- prędkość
- reflektor
- etapy
- standard
- Stan
- Zjednoczone
- przechowywany
- sklep
- Strategia
- jest determinacja.
- Struktura
- Badanie
- taki
- odpowiedni
- przełączane
- system
- systemy
- cel
- zespół
- Technologia
- Testowanie
- że
- Połączenia
- Przyszłość
- ich
- Im
- Te
- trzy
- Krawaty
- czas
- Tytuł
- do
- razem
- narzędzia
- typy
- Ostatecznie
- dla
- uniwersytet
- Nowości
- URL
- posługiwać się
- Cenny
- Wartości
- różnorodność
- różnorodny
- Zobacz i wysłuchaj
- Droga..
- waga
- DOBRZE
- który
- Podczas
- KIM
- będzie
- w
- w ciągu
- bez
- Praca
- pracujący
- napisany
- Twój
- zefirnet
Więcej z Nanowerk
Od hiperłączności do sztucznej inteligencji: jak możemy poradzić sobie z wpływem nowej ery Internetu na środowisko
Węzeł źródłowy: 2037910
Znak czasu: Mar 29, 2023
Uczenie maszynowe pozwala naukowcom spojrzeć poza spektrum
Węzeł źródłowy: 2099317
Znak czasu: 19 maja 2023 r.
Zaawansowane obliczenia umożliwiają autonomiczne badania powierzchni nanostrukturalnych
Węzeł źródłowy: 2365769
Znak czasu: Listopada 4, 2023
Nanocząsteczki ułatwiają przekształcanie światła w solwatowane elektrony
Węzeł źródłowy: 1901777
Znak czasu: Jan 17, 2023
Urządzenie czujnikowe oparte na nanoporach bada choroby neurodegeneracyjne
Węzeł źródłowy: 1889038
Znak czasu: Jan 10, 2023
Celem projektu jest opracowanie półprzewodnika typu „wszystko w jednym”, który przechowuje i przetwarza dane
Węzeł źródłowy: 2307032
Znak czasu: Październik 3, 2023
Metasurface umożliwia silne efekty sprzężenia między dichalkogenkami metali lekkich i przejściowych
Węzeł źródłowy: 2145210
Znak czasu: Czerwiec 23, 2023
Nanoinżynieryjny, wysokowydajny materiał półprzewodnikowy może pomóc w ograniczeniu emisji ciepła
Węzeł źródłowy: 2009948
Znak czasu: Mar 14, 2023
Ładunek przemieszcza się jak światło w dwuwarstwowym grafenie
Węzeł źródłowy: 2547637
Znak czasu: Kwiecień 16, 2024
Czy możemy połączyć się z wirtualnym światem jak w filmie „Matrix”?
Węzeł źródłowy: 2043523
Znak czasu: Mar 31, 2023
Oparta na origami integracja robotów, które wyczuwają, podejmują decyzje i reagują
Węzeł źródłowy: 2047227
Znak czasu: Kwiecień 4, 2023
Naukowcy opracowują protokół wytwarzania wąskich wsporników i obrazowania żywych komórek w wysokiej rozdzielczości przy użyciu AFM
Węzeł źródłowy: 2253898
Znak czasu: Września 5, 2023