模拟芯片将为机器学习来提供发展助力

IBM在博客中的一篇文章中指出，通过使用基于相变存储器(Phase-Change Memory，简称PCM)的模拟芯片，机器学习可以加速一千倍。相变存储器基于硫化物玻璃材料，这种材料在施加合适的电流时会将其相从晶态变为非晶态并可恢复。每相具有不同的电阻水平，在相位改变之前是稳定的。两个电阻构成二进制的1或0。

PCM是非易失性的，访问延迟与DRAM水平相当，他们都是存储级内存的代表。英特尔与美光联合开发的3D XPoint技术就基于PCM。IBM在博客中透露，为了实现AI真正的潜力，在纽约州立大学和创始合作伙伴成员的支持下，IBM正在建立一个研究中心，以开发新一代AI硬件，并期待扩展其纳米技术的联合研究工作。

IBM Research AI硬件中心合作伙伴涵盖半导体全产业链上的公司，包括IBM制造和研究领域的战略合作伙伴三星，互联解决方案公司Mellanox Technologies，提供仿真和原型设计解决方案软件平台提供商Synopsys，半导体设备公司Applied Materials和Tokyo Electron Limited(TEL)。

还与纽约州奥尔巴尼的纽约州立大学理工学院主办方合作，进行扩展的基础设施支持和学术合作，并与邻近的伦斯勒理工学院(RPI)计算创新中心(CCI)合作，开展人工智能和计算方面的学术合作。IBM研究院的半导体和人工智能硬件副总裁Mukesh Khare表示，目前的机器学习限制可以通过使用新的处理硬件来打破。

Mukesh Khare提到将深度神经网络(DNN)映射到模拟交叉点阵列(模拟AI核心)。它们在阵列交叉点处具有非易失性存储器材料以存储权重。DNN计算中的数值被加权以提高训练过程中决策的准确性。这些可以直接用交叉点PCM阵列实现，无需主机服务器CPU干预，从而提供内存计算，无需数据搬移。与英特尔XPoint SSD或DIMM等数字阵列形成对比，这是一个模拟阵列。