人类历史上第一个可编程忆阻器计算机诞生!

【新智元导读】人类历史上,第一个可编程忆阻器计算机诞生,不再需要将语音命令发送到云端进行解释,直接在智能手机上通过AI处理器完成,极大的加快响应时间。在一些更加注重私密性的场景比如医疗设备中,具有更好的安全性和隐私性。

你有没有想过,智能手机将来也有可能直接处理复杂的人工智能任务?关键在它:人类历史上,第一个可编程忆阻器计算机。

不仅仅是通过外部计算机操作的忆阻器阵列,密歇根大学开发的这个可编程忆阻器计算机,可以直接在小型、能量受限的设备(如智能手机和传感器)上处理人工智能任务。

也就是说,在未来,不再需要将语音命令发送到云端进行解释,直接在智能手机上通过AI处理器完成,极大的加快响应时间。在一些更加注重私密性的场景比如医疗设备中,能够实现更好的安全性和隐私性。

人工智能强大的算力带来的负面影响之一就是巨额的能耗。每个人都希望在智能手机上安装AI处理器,但你肯定不希望手机一天充电12次。

为什么忆阻器有利于机器学习

这里提到的忆阻器的高级计算机组件,是具有存储器、可变电阻的电阻器,可用作信息存储。

由于忆阻器在同一位置存储和处理信息,因此它们可以解决掉计算速度及功耗的杀手——内存和处理器之间的连接。

这对于处理大量数据的机器学习算法尤其重要,例如识别照片和视频中的对象,或预测哪些医院患者具有较高的感染风险。

如今,程序员已经习惯于在图形处理单元(GPU)而不是CPU上运行这些算法。

“就功率和吞吐量而言,GPU、定制的优化数字电路被认为比CPU好10到100倍。”Lu说。“忆阻器AI处理器可能会再好上10到100倍。”

GPU在机器学习任务中表现优秀,因为它们有数千个小核心可以同时运行计算。忆阻器阵列则更进一步,每个忆阻器都能够独立进行计算,一个内核里可以一次性执行数千次操作。

本次用于实验的计算机拥有超过5800个忆阻器。而用于商业的话,可能包括数百万个。

忆阻器阵列特别适合解决机器学习任务,这是因为机器学习算法将数据转换为向量。例如,预测患者在医院的感染风险时,该向量可以将存在感染风险的因素以数字表示列出。

然后,机器学习算法将这些“输入”向量,与在存储器中的“特征”向量进行比较。如果匹配,则系统知道输入数据具有该特征。向量存储在矩阵中,类似于数学电子表格,这些矩阵可以直接映射到忆阻器阵列上。

更重要的是,当数据通过阵列反馈时,大部分数学处理通过忆阻器中的自然电阻发生,消除了将特征向量移入和移出存储器而导致的额外计算。这使得阵列在复杂的矩阵计算中非常高效。

早期的研究证明了忆阻器阵列有可能加速机器学习,但它们需要外部计算元件才能运行。

构建可编程忆阻器计算机

为了构建第一台可编程忆阻器计算机,Lu的团队与U-M的电子和计算机工程副教授Zhengya Zhang和Michael Flynn教授一起设计了一个芯片,可以将忆阻器阵列与编程和运行所需的所有其他元件集成在一起。

这些组件包括传统的数字处理器和通信通道,以及数字/模拟转换器,用作模拟忆阻器阵列和计算机其余部分之间的解释器。

然后,Lu的团队将忆阻器阵列直接集成在U-M的Lurie Nanofabrication Facility的芯片上。他们还开发了将机器学习算法映射到忆阻器阵列的矩阵结构上的软件。

该团队使用三种基本机器学习算法演示了该设备:

  • 感知机(Perceptron),用于对信息进行分类。能够100%准确地识别出不完美的希腊字母
  • 稀疏编码,压缩并分类数据,特别是图像。计算机能够找到最有效的方法来重建一组图像,并以100%的准确度识别出其模式
  • 双层神经网络,旨在寻找复杂数据中的模式。这个双层网络在乳腺癌筛查数据中找到了共性和差异因素,然后将每个病例分类为恶性或良性,准确率为94.6%

扩展商业用途存在挑战。但Lu计划将这项技术商业化。该研究的标题是“完全集成的可重编程忆阻器-CMOS系统,用于高效的乘法累加运算。”

参考链接:

https://techxplore.com/news/2019-07-programmable-memristor-aims-ai-cloud.html

本文分享自微信公众号 - 新智元(AI_era)

原文出处及转载信息见文内详细说明,如有侵权,请联系 yunjia_community@tencent.com 删除。

原始发表时间:2019-07-19

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏Datawhale专栏

学机器学习有必要懂数学吗?深入浅出机器学习与数学的关系

小黑,Datawhale团队成员,秦时明月十年铁粉,本科就读于山西大学,保研至天津大学并硕博连读,现为2018级博士,研究方向:脑机接口。

9840
来自专栏Datawhale专栏

机器学习算法_线性回归

线性回归模型是利用线性函数对一个或多个自变量和因变量(y)之间关系进行拟合的模型。

11730
来自专栏Datawhale专栏

数据清洗&预处理入门完整指南

人们通常认为,数据预处理是一个非常枯燥的部分。但它就是「做好准备」和「完全没有准备」之间的差别,也是表现专业和业余之间的差别。就像为度假做好事先准备一样,如果你...

10630
来自专栏Datawhale专栏

决策树,逻辑回归,PCA-算法面经

决策树是一种自上而下,对样本数据进行树形分类的过程,由节点和有向边组成。节点分为内部节点和叶节点,其中每个内部节点表示一个特征或属性,叶节点表示类...

14820
来自专栏Datawhale专栏

Python的常用包有哪些,分别有什么作用?

1、Numpy是最为流行的机器学习和数据科学包,Numpy包支持在多维数据上的数学运算,提供数据结构以及相应高效的处理函数,很多更高级的扩展库(包括Scipy、...

17720
来自专栏王的机器

解读吴恩达新书的全球第一帖 (中)

吴恩达 (之后称大神) 在 2018 年 5 月 23 日北京时间早上 6 点 15 分将《Machine Learning Yearning》一书更新到第 3...

10240
来自专栏ssl证书

部署SSL证书中的风险你知道吗?

  目前,国内很多CA机构都在颁发SSL证书,但存在着一些问题,主要体现在以下几个方面。

18670
来自专栏Datawhale专栏

秋招准备,这份GitHub万星的ML算法面试大全请收下

项目地址:https://github.com/imhuay/Algorithm_Interview_Notes-Chinese

12140
来自专栏Datawhale专栏

谈谈你对集成学习的见解与认识,描述一下它们的优势所在?

集成方法有很多种,一种叫做bagging,bagging的思想是,我把我的数据做一点微小的调整,就得到了一个跟原来不一样的数据集,我就能多训练一个模型出来,模型...

11230
来自专栏Datawhale专栏

优秀的数据分析师应该具备哪些技能和特质?

价值:根据当前数据,对比历史数据,结合市场规律对具体业务问题进行纠正,指导以及预测。

10150

扫码关注云+社区

领取腾讯云代金券

年度创作总结 领取年终奖励