Март 27th, 2025 
raven000 Как не раз было объявлено, передовые микропроцессорные архитектуры и микропроцессоры слабо подходят на роль аппаратных платформ для механического изучения и, фактически, для платформ с синтетическим умом. Чтобы было прекрасно, персональный компьютер по конструкции и способу работы должен быть очень похож на головной мозг человека. «Венец природы» не лишён самоуважения, да. С иной стороны, эволюция десятки тысяч лет работала над планом «человек» и в данном деле является специалистом.
Наш головной мозг, как нам известно, режет не бинарной технологией записи, но трудными химико-биологическими системами с применением импульсов с электрической природой. Кроме того, память и микропроцессор в головном мозгу — это единая конструкция, а не в отдельности банк памяти с внешней покрышкой и микропроцессором. И, да, с точностью вычислений в голове могут быть проблемы, однако вы и сами про это знаете.
Ученые IBM исчислили, что работа нейронных сетей для бездонного изучения не обязательно должна владеть такой же правильностью, как выполнение бинарного кода. Если же большая пунктуальность не требуется (для этого довольно правильности работы компьютерной модификации), то платформу для старта задач на DNN (deep neural network) можно осуществить в отсутствии трудных, однако традиционных логичных цепей с применением многих блоков для выполнения операций увеличения и скопления.
Упрощённая платформа IBM для сетей с бездонным учебой подразумевает применение аналоговой памяти. Иными словами, данные в ячеях памяти лежат не в качестве 0 либо 1, но в качестве некоего взвешенного значения, которое исчисляется с примерной правильностью и может иметь существенный разброс в значениях, включая выход далеко за границы 1. В роли образца аналоговой памяти можно привести магнитофонную магнитную плёнку либо передовые её типы — это резистивная память и память с ячейкой из вещества с изменяемым фазисным положением (phase-change memory, PCM).
Относительная конструкция аналоговой памяти IBM (IBM)
Организация IBM так представляет работу аналоговой памяти: «Данная память дает возможность делать процедуры умножения-накопления через распараллеливание с местом в аналоговые домены взвешенных значений [данных], применяя аналогичную физику [процесса]. Вместо огромных цепей для увеличения и телосложения цифровых значений вместе, мы просто упускаем незначительный поток через противодействие в вожатом и потом просто сочетаем большое количество подобных проводников совместно, давая возможность току нарастать. Это дает возможность делать большое количество вычислений синхронно, вместо проведения поочередных операций».
Ясно, что с правильностью у вычислений «проводок плюс проводок» будет не так прекрасно, как в случае работы триггера. Однако на экспериментах IBM продемонстрировала, что пунктуальность работы определённых модификаций нейронных сетей на аналоговой памяти необходимая для проведения многих задач. По прикидкам, на базе подготовки можно сделать катализатор работы DDN с энергетической отдачей 28 065 Гигаопераций/с/Вт либо с пропускной возможностью 3,6 Тераопераций/с/миллиметров2. Это будет в несколько раз больше, чем при запуске нейронных сетей на графических микропроцессорах с одинаковой правильностью в вычислениях. Кроме того, расчёт взвешенных значений и их изменение случаются прямо в запоминающем объекте, что убирает потребность в энергоёмкой передаче данных из памяти в микропроцессор и назад.
Опубликовано в рубрике 
