Kutatók 2T1R vezérlőchip prototípusa neuromorfikus számítástechnikához

Mi lenne, ha a merevlemeze gondolkodni tudna az adataival? Ahelyett, hogy csak fájlokat tárolna, képzelje el, hogy pontosan ott dolgozza fel és reagál az információkra, ahol azokat tárolja. Ez az elv áll a memórián belüli számítástechnika mögött - az architektúrában egyre nagyobb teret hódító váltás, amely a hatékonyság növelése érdekében a logikát közelebb helyezi a memóriához.

A Forschungszentrum Jülich és a Duisburg-Esseni Egyetem kutatói most egy új, 2T1R memristor-alapú kialakítást mutattak be, amely támogathatja ezt az elmozdulást, lehetővé téve az energiahatékonyabb AI és edge hardverek használatát.

Megjelent a arXiv oldalon, a dizájn cellánként két tranzisztort és egy memrisztort integrál, az áramszabályozás célja pedig a memrisztor tömböknél ismert kihívást jelentő lopakodó áram elnyomása. A hagyományos memóriától eltérően a javasolt kialakítás mindkét memrisztor terminált leföldeli, amikor üresjáratban van - ez a stratégia segíthet a jelstabilitás javításában és a szivárgás csökkentésében.

Az architektúrát úgy tervezték, hogy támogassa az analóg vektor-mátrix szorzást (VMM), amely a gépi tanulás egyik alapfunkciója, a memrisztorok vezetőképességének integrált DAC-ok, PWM-jelek és szabályozott áramutak segítségével történő vezérlésével. Egy 2×2-es tesztmátrixot sikeresen megvalósítottak a szabványos 28 nm-es CMOS-technológiával.

A virtuális földelési problémák és a vezetékellenállás-hatások kezelésével az architektúra célja a teljesítmény kiszámíthatóságának javítása és az energiafogyasztás csökkentése. A RISC-V vezérlés és a digitális interfész kompatibilitásával a 2T1R kialakítás megteremtheti a skálázható neuromorfikus chipek alapjait, lehetővé téve a gyorsabb és kompaktabb AI-gyorsítást közvetlenül a memórián belül.

Lehet, hogy a merevlemez még nem gondolkodik, de az e vízió mögött álló architektúra már formát ölt a szilíciumban - ami a gyorsabb, memóriába integrált mesterséges intelligencia jövőjét sejteti.

A teljes technikai részleteket és eredményeket a teljes arXiv preprint (PDF) tartalmazza.