1. भंडारण प्रौद्योगिकी सूची की अगली पीढ़ी: सबसे बड़ी क्षमता के साथ चार प्रौद्योगिकियों;
मोबाइल उपकरणों, नेटवर्किंग अनुप्रयोगों, ऊर्जा कुशल डाटा संग्रहण और स्मृति प्रौद्योगिकी वर्तमान में मुख्यधारा के DRAM स्मृति और NAND फ्लैश मेमोरी प्रौद्योगिकी के लिए मांग में वृद्धि के लिए की वृद्धि, लेकिन नहीं तेजी से पढ़ सकते हैं और DRAM की गति बारे में एक लंबे समय के लिए डाटा स्टोर करने ;. नन्द फ्लैश के साथ डेटा बचा सकता है, लेकिन पढ़ने और लिखने की गति अच्छी नहीं है।
दोनों कंप्यूटिंग, इस तरह के एक magnetoresistive स्मृति (एक MRAM), प्रतिरोधक रैम) (RRAM, 3 डी XPoint प्रौद्योगिकी और उच्च क्षमता इलेक्ट्रॉन स्पिन चुंबकीय स्मृति (एसटीटी-MRAM), आदि, के रूप में अगली पीढ़ी के स्मृति की भंडारण क्षमता, अगले बनने के लिए एक ओर जहां पीढ़ी स्मृति प्रौद्योगिकी के नए प्रिय।
एक शैक्षणिक पहुँच गति में MRAM प्रौद्योगिकी DRAM SRAM के पास तक पहुँचने, और डेटा बिजली की विफलता, जल्दी Everspin कंपनी द्वारा विकसित के बाद खो नहीं है, अगली पीढ़ी के स्मृति प्रौद्योगिकी महत्वपूर्ण प्रतियोगियों के रूप में देखा जाता पछाड़ देगा। MRAM प्रौद्योगिकी 2017 प्रकोप एक है वर्ष, तो जापान में जापान में आयोजित LSI प्रौद्योगिकी LSI प्रौद्योगिकी एक अंतरराष्ट्रीय संगोष्ठी और सिस्टम अनुप्रयोगों का आयोजन किया, GLOBALFOUNDRIES Everspin थर्मल विचुंबकीकरण इमरान प्रौद्योगिकी कि सेल्सियस के साथ डेटा की अनुमति देता है के साथ संयुक्त रूप जारी किया है 150 डिग्री पर संग्रहीत डेटा, 22 एनएम प्रक्रिया प्रौद्योगिकी प्रक्रिया का एक दशक से भी अधिक तक हो सकती है, यह 2017, 2018 के अंत तक होने की उम्मीद है और उत्पादन में डाल दिया है।
स्मृति अनुसंधान एवं विकास में डाल दिया गया है, लेकिन महंगा स्मृति बाजार TSMC, TSMC 2017 प्रौद्योगिकी फोरम वापस लेने के लिए खो दिया है, पहले से ही 22 नैनोमीटर प्रक्रिया एम्बेडेड है magnetoresistive स्मृति (eMRAM) उत्पादन तकनीक उजागर, 2018 अनुसूचित परीक्षण उत्पादन में।
RRAM लाभ नन्द की तुलना में कम बिजली की खपत, और जानकारी NAND फ्लैश मेमोरी की तुलना में तेजी बारे में 10,000 गुना है, प्रमुख निर्माताओं में अनुसंधान माइक्रोन, सोनी, सैमसंग में डाल दिया है।
TSMC, इंटेल और माइक्रोन के रूप में 22 एनएम के उत्पादन के साथ eRRAM प्रौद्योगिकी की घोषणा की है। 3 डी XPoint कला प्रमुख विक्रेताओं एक बहुपरत तारों विन्यास के तीन आयामी संरचना का उपयोग, तार प्रतिरोध और एक झंझरी के उपयोग का प्रतिनिधित्व करने के 0 और 1, एक RRAM सिद्धांत रूप में समान।
लगभग 1,000 बार NAND फ्लैश मेमोरी की तुलना में तेजी होने भंडारण उपकरणों के लिए एक अच्छा विकल्प है, यह भी अनुदेश चक्र के लिए इस्तेमाल किया जा सकता कम कम्प्यूटिंग अनुप्रयोगों की आवश्यकता है।
एसटीटी-एमआरएएम क्वांटम स्पिनल कोणीय गति प्रौद्योगिकी का एक अनुप्रयोग है, इसमें उच्च प्रदर्शन और डीआरएएम और एसआरएएम की कम बिजली की खपत है, और मौजूदा सीएमओएस विनिर्माण प्रौद्योगिकियों और प्रक्रियाओं के साथ संगत है।
वर्तमान में, मुख्य इनपुट विक्रेता आईबीएम और सैमसंग, एसके हिनिक्स और तोशिबा हैं, जिनमें से आईबीएम और सैमसंग ने आईईईई में शोध पत्र प्रकाशित किए हैं, जो दर्शाते हैं कि उन्होंने ट्रांसमिशन की गति और सुपर पावर-सेविंग आर्किटेक्चर के 10 नैनोसेकंड सफलतापूर्वक हासिल किए हैं।
हालांकि अगली पीढ़ी के स्मृति के भविष्य DRAM और NAND फ्लैश मेमोरी बाजार का हिस्सा बदलने के लिए आशा की जाती है, या यहां तक कि पुराने प्रौद्योगिकी को बदलने के लिए। लेकिन मुझे विश्वास है कि कृत्रिम बुद्धि, नेटवर्किंग उपकरणों और अधिक डेटा संग्रह और संवेदन मांग, अगली पीढ़ी के स्मृति प्रौद्योगिकी पहले से हम इस तरह बंद कर दिया TSMC एम्बेडेड यादें रूप में नए अनुप्रयोगों, की मुख्य मांग पर ध्यान केंद्रित करने, और उच्च बाजार में पैठ विधानसभा प्राप्त करने के लिए कंप्यूटिंग और भंडारण कॉम्बो, और आगे लघु आकार के फायदे के लिए पूरा खेलने देने के लिए, होगा।
हालांकि, अगर देखने के विक्रेता गतिशील बिंदु, eMRAM के बाद मध्य 2018 में 22 नैनोमीटर प्रौद्योगिकी परिपक्व और बाजार आवेदनों की एक बड़ी संख्या में शुरू करते हैं।
आर्थिक दैनिक (लेखक अनुसंधान और सूचना अनुसंधान प्रयोगशालाओं के लिए राष्ट्रीय केंद्र पर एक नीति शोधकर्ता है)
2. नए प्रकोप स्मृति गतिज ऊर्जा मांग;
आधुनिक इलेक्ट्रॉनिक उत्पाद, स्मृति एक अनिवार्य भूमिका निभाता है। 2017 अर्धचालक से अधिक 400 बिलियन $ पहली बार के लिए अनुमान के उद्योग उत्पादन मूल्य, किसी एक कारण से स्मृति आवश्यकताओं वृद्धि हुई है, निर्माताओं, कीमतें बढ़ाने कर सकते हैं के बारे में 2017 के राजस्व वृद्धि पांच प्रतिशत, दक्षिण कोरिया की सैमसंग सबसे बड़ा स्मृति आपूर्तिकर्ता, सबसे अधिक लाभ होगा। इस लहर स्मृति उछाल बातें, पहनने योग्य उपकरणों, बादल भंडारण और बड़े पैमाने पर डेटा कंप्यूटिंग के उभरते इंटरनेट के लिए मांग ड्राइव करने के लिए जारी रखने की उम्मीद है, ताकि स्मृति बाजार से प्रेरित हो जाएगा है गतिज ऊर्जा।
स्टोरेज विशेषताओं के मुताबिक, बिजली को बंद करने के बाद मौजूदा मेमोरी को अस्थिर और गैर-अस्थिर स्मृति में विभाजित किया जा सकता है। बिजली बंद होने के बाद अस्थिर स्मृति को बनाए रखा नहीं जा सकता है। लागत अधिक है लेकिन गति तेज है। आमतौर पर डेटा अस्थायी भंडारण के लिए उपयोग की जाती है; गैर-अस्थिर मेमोरी एक्सेस की गति धीमी है, लेकिन यह लंबे समय तक डेटा को बचा सकती है।
स्टेटिक रैंडम एक्सेस मेमोरी (SRAM) और गतिशील रैंडम एक्सेस मेमोरी (DRAM) अक्सर डेटा-वाष्पशील स्मृति के अस्थायी उपयोग के रूप में, कंप्यूटर सिस्टम और इलेक्ट्रॉनिक उत्पादों की एक बड़ी संख्या में किया जाता है। DRAM वर्तमान में पीसी / एनबी और मोबाइल अनुप्रयोगों हे प्रभु, लेकिन वर्चुअलाइजेशन, ग्राफिक्स और अन्य जटिल के समर्थन में, वास्तविक समय आवेदन भी साल वर्ष बढ़ाने के लिए 80 साल पहले 20 से अधिक वैश्विक विनिर्माण कंपनी, वर्तमान में केवल सैमसंग (Samsung), एस के Hynix (एसके Hynix) और से काम करेंगे। DRAM माइक्रोन (माइक्रोन) और तीन अल्पाधिकार बाजार, आवेदन के प्रकार के प्रमुख पीसी और उपभोक्ता इलेक्ट्रॉनिक्स श्रेणी (जैसे आइपॉड के रूप में), मोबाइल फोन, टैबलेट कंप्यूटर, पहनने योग्य उपकरणों, बुद्धिमान वाहनों से विस्तार हो रहा, मानव रहित वाहनों DRAM उच्च और उच्च मांग करते हैं।
एक केवल पढ़ने के लिए मेमोरी (ROM) या एक पारंपरिक यांत्रिक हार्ड डिस्क (एक HDD), सॉलिड स्टेट ड्राइव (एसएसडी), एक फ्लैश मेमोरी (फ्लैश मेमोरी) और की तरह है, यद्यपि वहाँ विभिन्न पढ़ा रहे हैं और विशेषताओं लिखते हैं, लेकिन बिजली की आपूर्ति के सभी अभी भी कर रहे हैं के रूप में इस तरह के एक रीराइटेबल स्मृति कट जाता है डेटा लंबी अवधि है, जिसमें फ्लैश ऑपरेटिंग गति सामान्य हार्ड डिस्क या तेज के साथ तुलना के लिए भंडारित किया जा सकता है, तो धीरे-धीरे मुख्य धारा बन जाते हैं।
फ्लैश और ROM स्मृति वास्तुकला (और न ही) मिलकर (नन्द), एक समानांतर फ्लैश मेमोरी (और न ही फ्लैश) मदरबोर्ड BIOS में आम है के साथ समानांतर में विभाजित किया जा सकता है, मिलकर प्रकार फ्लैश मेमोरी (नन्द-फ्लैश) सामान्य उपभोक्ता इलेक्ट्रॉनिक्स उत्पादों में आम है, जैसे मोबाइल फोन, फ्लैश ड्राइव, SSD, आदि के रूप में, नन्द फ्लैश प्रौद्योगिकी प्रक्रिया के साथ विकास जारी रहता है, इकाई क्षमता लागत में गिरावट जारी है, स्मार्ट फोन में दिया गया है, एम्बेडेड उपकरणों और औद्योगिक अनुप्रयोगों हाल के वर्षों में लोकप्रियता का एक बहुत, विशाल और बढ़ती डेटा भंडारण में इस्तेमाल किया नोटबुक SSDs मांग, एसएसडी नन्द फ्लैश द्वारा बनाई गई धीरे-धीरे प्रमुख निर्माताओं सैमसंग, तोशिबा और एसके Hynix के लिए एक सामान्य प्रवृत्ति के हार्ड ड्राइव की जगह है की संख्या में वृद्धि।
डीआरएएम और एनएएनडी फ्लैश विशेषताओं और लागत में पूरक हैं। पूर्व में बड़ी ट्रांसमिशन बैंडविड्थ प्रति सेकंड, उच्च इकाई लागत, और उच्च बिजली की खपत है; बाद में धीमी संचरण गति, प्रति इकाई कम लागत और कम बिजली की खपत है, इसलिए दोनों बाजार और कार्य अलग हो गए हैं, और यह वर्तमान मेमोरी उत्पादों के दो प्रमुख शिविर भी बनाते हैं। चीजों, बड़े डेटा और क्लाउड डेटा के इंटरनेट के विस्फोटक विकास के जवाब में, स्मृति स्वतंत्र या एम्बेडेड है और सिस्टम आर्किटेक्चर का एक प्रमुख घटक होगा। ।
2020 में देखकर, वैश्विक मेमोरी मार्केट 79.51 अरब अमेरिकी डॉलर होगा, जिसमें से डीआरएएम 38.9% के लिए खाता है, एनएएनडी फ्लैश 55.1% के लिए जिम्मेदार होगा, और अगली पीढ़ी के लिए मेमोरी 2.0% तक पहुंच जाएगी।
हालांकि, मिनीटाइराइजेशन प्रक्रिया पर मुख्यधारा की स्मृति डीआरएएम और एनएएनडी की बाधा और प्रभाव के कारण, मौजूदा समाधान उद्योग की जरूरतों को पूरा करने के लिए वैकल्पिक समाधान या बदलते सर्किट ढूंढना वर्तमान स्मृति उद्योग में सबसे महत्वपूर्ण मुद्दा होगा।
अगली पीढ़ी की मेमोरी के विकास के लिए तीन प्रमुख मीट्रिक में लागत, घटक प्रदर्शन, स्केलेबिलिटी और घनत्व इत्यादि शामिल हैं, जहां लागत मेमोरी कण, मॉड्यूल और कंट्रोल सर्किट इत्यादि शामिल हैं। घटक प्रदर्शन में विलंबता, विश्वसनीयता और डेटा प्रतिधारण स्थायित्व शामिल है। और इतने पर।
स्मृति की अगली पीढ़ी, अब अतीत तंत्र को बदलने की प्रक्रिया पर राज्य के प्रतिबंध को हल करने के द्वारा संग्रहीत डेटा का उपयोग करने संग्रहीत प्रभारी तरीका बदल रहा है, इसके अलावा में की ओर आम तौर पर है, अगली पीढ़ी के स्मृति घटकों के समान लक्ष्य के लिए कम बिजली की खपत और यहां तक कि ताइवान दुनिया की है सबसे उन्नत प्रक्रिया और सर्किट घटकों और उत्कृष्ट अनुसंधान एवं विकास कर्मियों, स्मृति विकास में बहुत अनुकूल स्थिति खड़े लाभ को जब्त करना चाहिए, इलेक्ट्रॉनिक्स उद्योग के पारिस्थितिक श्रृंखला में सुधार, विदेशी निर्माताओं के एकाधिकार स्मृति बाजार का विषय से बचने के लिए, दुनिया में एक फर्म की स्थिति, रखने के लिए ताइवान के उद्योग की प्रतिस्पर्धा। (लेखक अनुसंधान और जानकारी अनुसंधान प्रयोगशालाओं के लिए राष्ट्रीय केंद्र में एक नीति शोधकर्ता है)
एसटीपीआई परिचय
प्रायोगिक विज्ञान और प्रौद्योगिकी नीति अनुसंधान और सूचना केन्द्र के लिए राष्ट्रीय संस्थान (एसटीपीआई) 1974 में स्थापित किया गया था, यह लंबे समय अनुसंधान और विज्ञान और प्रौद्योगिकी के विकास के लिए, आवश्यक डेटा एकत्र निर्माण करने के लिए विश्लेषण, प्रक्रिया और सेवा के मुद्दों के बारे में जानकारी में दोनों समर्पित कर दिया गया। हाल के वर्षों में, संसाधन आधार, और अनुसंधान प्रवृत्ति विश्लेषण को मजबूत बनाने, थिंक टैंक आगे प्रौद्योगिकी में विशेषज्ञता महत्वपूर्ण मुद्दों, पेटेंट खुफिया विश्लेषण, नवाचार और उद्यमिता बराबर ऊर्जा को बढ़ावा देने के, और सरकार दृष्टि और वैज्ञानिक और तकनीकी विकास की रणनीति नक्शा सहायता करने के लिए, नीति अनुसंधान की दिशा में पता लगाने के लिए। आर्थिक डेली
3.Immervision और Socionext panomorphEYE डेवलपमेंट किट प्रदान करने के लिए सहयोग करेंगे;
मॉन्ट्रियल - (व्यापार तार) ---- (व्यापार तार) - Immervision और Socionext आज कृत्रिम बुद्धि रोबोट, कार के लिए एक सामरिक भागीदारी, मानव रहित हवाई वाहन और स्मार्ट उपकरणों (AI) और मशीन के अन्य प्रकार की घोषणा की सीखने (एमएल) बुद्धिमान दृश्य सेंसर सिस्टम का पहला समग्र आवेदन PanomorphEYE विकास पैकेज जुलाई 2018 और सूचीबद्ध में रिलीज के लिए निर्धारित विकसित करने के लिए।।
'हमारे दोनों कंपनियों के बीच सहयोग के माध्यम से, हर किसी को स्मार्ट उपकरणों और मशीनों अधिक कल्पना करना किसी को सक्षम करने पर बोर्ड सेंसर का एक अद्वितीय संयोजन के साथ बुद्धिमान दृष्टि और उन्नत SoC डिजाइन विकसित करने के लिए बुद्धिमान दृष्टि प्रणाली खर्च कर सकते हैं बुद्धिमान उत्पादों। '
इस ट्वीट
panomorphEYE संलयन परिप्रेक्ष्य 3 डी, छवि के चारों ओर 360 डिग्री, टीओएफ (टीओएफ), जाइरोस्कोप, कम्पास और अन्य सेंसर, रैपिड प्रोटोटाइप, बाजार और उत्पाद अमूल्य बढ़ाने की क्षमता है करने के लिए कम समय।
Immervision एक अद्वितीय मनोरम चौड़े कोण छवि पर कब्जा के माध्यम से वैश्विक उपकरणों में मानवीय पहलुओं, डाटा-में-चित्र और छवि प्रसंस्करण क्षमताओं बुद्धिमान दृष्टि प्राप्त करने के लिए, मानव धारणा आसपास के वातावरण की क्षमता को बढ़ाने के लिए।
Socionext नेटवर्किंग और कंप्यूटिंग आज के प्रमुख उपकरणों के लिए बिजली, प्रणाली-ऑन-चिप (SoC) प्रणाली बेजोड़ विशेषज्ञता प्रदान करता है इमेजिंग प्रदान करता है। साथ में, कंपनियों के बेहतर दृष्टि क्षमता, स्वायत्तता और खुफिया मदद करने के लिए आज के उपकरणों को देखने के लिए उपलब्ध कराने के लिए प्रतिबद्ध हैं अधिक जानकारी के लिए, अधिक बुद्धिमान देखते हैं।
ImmerVision कार्यकारी उपाध्यक्ष और मुख्य व्यवसाय अधिकारी Alessandro Gasparini समझाया, 'हमारे दोनों कंपनियों के बीच सहयोग के माध्यम से, हर कोई स्मार्ट उपकरणों और बुद्धिमान मशीन दृष्टि और उन्नत SoC डिजाइन और बोर्ड के विकास के लिए बुद्धिमान दृष्टि प्रणाली खर्च कर सकते हैं। पर बोर्ड सेंसर के अद्वितीय संयोजन किसी को भी एक और अधिक बुद्धिमान उत्पादों की कल्पना करना सक्षम बनाता है। '
Mitsugu नाइतो, वरिष्ठ उपाध्यक्ष Socionext कंपनी ने कहा: Immervision और Socionext के बीच 'सफल सहयोग आज के लिए अग्रणी बढ़त समाधान प्रदान करने के लिए विभिन्न कैमरा और इमेज प्रोसेसिंग अनुप्रयोगों गया मैं बहुत अपने सामरिक भागीदारी घोषणा करते हुए खुशी एक नया एक में प्रवेश किया है हूँ। मंच। हम आगे मानव और मशीन दृष्टि की क्षमता में मदद करने के लोगों को एक और अधिक कुशल और अधिक सुरक्षित जीवन जीने व्यापार वायर में सुधार होगा। '
4. एआई को वैयक्तिकृत करें और कम बिजली का उपभोग करें आईबीएम नए तंत्रिका नेटवर्क चिप्स विकसित करता है
तंत्रिका नेटवर्क पर चल रहे जीपीयू पर 'नेटईज स्मार्ट न्यूज जून 16 न्यूज' ने कृत्रिम बुद्धि के क्षेत्र में कुछ अद्भुत प्रगति की है, लेकिन दोनों के बीच सहयोग सही नहीं है। आईबीएम शोधकर्ताओं ने एक तरह का डिजाइन करने की उम्मीद की तेजी से, अधिक कुशल विकल्प प्रदान करने के लिए विशेष रूप से तंत्रिका नेटवर्क के नए नेटवर्क चलाने के लिए उपयोग किया जाता है।
यह इस शताब्दी की शुरुआत तक नहीं था कि शोधकर्ताओं ने महसूस किया कि वीडियो गेम के लिए डिज़ाइन किए गए जीपीयू (ग्राफिक्स प्रोसेसिंग यूनिट) को हार्डवेयर एक्सेलेरेटर के रूप में पहले से बड़े तंत्रिका नेटवर्क चलाने के लिए उपयोग किया जा सकता है।
यह इस तथ्य के कारण है कि ये चिप्स एक पारंपरिक सीपीयू की तरह अनुक्रमिक रूप से प्रसंस्करण की बजाय समानांतर में बड़ी संख्या में गणना कर सकते हैं। यह विशेष रूप से सैकड़ों न्यूरॉन्स के वजन की गणना करने के लिए उपयोगी है जो एक गहरी सीखने तंत्रिका नेटवर्क बनाते हैं।
जीपीयू की शुरूआत ने इस क्षेत्र को विकसित करने की इजाजत दी है, लेकिन इन चिप्स को अभी भी प्रसंस्करण और भंडारण को अलग करने की जरूरत है, जिसका मतलब है कि दोनों के बीच डेटा हस्तांतरण पर बहुत समय और प्रयास खर्च किया जाता है। इससे लोगों को नए शोध करने की शुरुआत मिलती है। स्टोरेज टेक्नोलॉजीज जो एक ही स्थान पर वज़न डेटा को स्टोर और संसाधित कर सकती हैं, जिससे गति और ऊर्जा दक्षता बढ़ती जा रही है।
नए मेमोरी डिवाइसेज अपने प्रतिरोध स्तर को समायोजित करके एनालॉग फॉर्म में डेटा स्टोर करते हैं-यानी, डेटा बाइनरी 1 और 0 की बाइनरी मेमोरी की बजाय निरंतर रेंज में संग्रहीत होता है क्योंकि जानकारी स्मृति में संग्रहीत होती है। सेल के संचालन में, इसलिए स्मृति कोशिकाओं के बीच वोल्टेज को स्थानांतरित करना संभव है और सिस्टम को भौतिक साधनों से गणना करने दें।
हालांकि, इन उपकरणों के अंतर्निहित भौतिक दोषों का अर्थ है कि उनका व्यवहार असंगत है, जिससे तंत्रिका नेटवर्क को प्रशिक्षित करने के लिए उनका उपयोग करने की वर्तमान वर्गीकरण सटीकता जीपीयू के उपयोग से काफी कम है।
करने के लिए 'हम एक GPU ट्रेन प्रणाली की तुलना में तेजी पर प्रदर्शन किया जा सकता है, लेकिन अगर प्रशिक्षण आपरेशन तो सही नहीं है, यह किसी काम का नहीं है' आईबीएम रिसर्च पोस्टडॉक्टरल शोधकर्ता Stefano Ambrogio एक साक्षात्कार विलक्षणता हब में कहा पर परियोजना प्रमुख, ' अब तक, वहाँ कोई सबूत नहीं है कि इन नए उपकरणों के उपयोग GPU का उपयोग करके के रूप में के रूप में सही हो सकता है। '
लेकिन अनुसंधान नई प्रगति की है। पिछले सप्ताह में "प्रकृति" पत्रिका, Ambrogio में एक पत्र प्रकाशित और उनके सहयोगियों का वर्णन कैसे वे उभरते स्मृति का लाभ लेने के लिए और अधिक पारंपरिक एनालॉग इलेक्ट्रॉनिक उपकरणों बनाने के लिए संयुक्त चिप का एक प्रकार है कि GPU की परिशुद्धता के साथ मिलान किया जा सकता है, तेजी से चलाने के लिए, कम बिजली की खपत।
गहरे तंत्रिका नेटवर्क को प्रशिक्षित करने के लिए इन नई स्टोरेज प्रौद्योगिकियों को मुश्किल क्यों है, इस प्रक्रिया के लिए नेटवर्क को पूरी तरह से गठबंधन करने तक हजारों बार प्रत्येक न्यूरॉन की उत्तेजना की आवश्यकता होती है। इन उपकरणों के प्रतिरोध को बदलने के लिए उनके परमाणु संरचनाओं को पुन: व्यवस्थित करने की आवश्यकता होती है। और हर बार ऑपरेशन प्रक्रिया अलग होती है, एम्ब्रोगियो ने कहा। ये उत्तेजना हमेशा एक जैसी नहीं होती है, जिससे न्यूरॉन्स के वजन में गलत समायोजन होता है।
शोधकर्ताओं ने इस समस्या को 'सिनैप्टिक इकाइयां' बनाकर हल किया है जिनमें से प्रत्येक नेटवर्क में एक न्यूरॉन से दीर्घकालिक और अल्पकालिक स्मृति दोनों के अनुरूप है। प्रत्येक सेल में चरण परिवर्तन की यादों की एक जोड़ी होती है ( पीसीएम का संयोजन) सेल और तीन ट्रांजिस्टर और एक संधारित्र, पीसीएम प्रतिरोधी में वजन डेटा स्टोर करता है, और संधारित्र भार डेटा को चार्ज के रूप में संग्रहीत करता है।
पीसीएम एक प्रकार की 'गैर-अस्थिर स्मृति' है, जिसका अर्थ यह है कि यहां तक कि यदि कोई बाहरी पावर स्रोत नहीं है, तो यह संग्रहीत जानकारी को बरकरार रख सकता है, और संधारित्र 'अस्थिर' है, इसलिए यह केवल कुछ मिलीसेकंड के भीतर अपना चार्ज बनाए रख सकता है। लेकिन कैपेसिटर्स में पीसीएम उपकरणों की कोई बदलाव नहीं है और इसलिए इसे जल्दी और सटीक प्रोग्राम किया जा सकता है।
जब तंत्रिका नेटवर्क वर्गीकरण कार्य को पूरा करने के लिए छवि को प्रशिक्षित करता है, तो केवल संधारित्र का वजन अपडेट किया जाएगा। कुछ हज़ार छवियों को देखने के बाद, वजन डेटा पीसीएम इकाई को दीर्घकालिक भंडारण के लिए स्थानांतरित कर दिया जाएगा। पीसीएम की विविधता का मतलब है कि वजन डेटा के हस्तांतरण में अभी भी त्रुटियां हो सकती हैं, लेकिन चूंकि यूनिट को कभी-कभी अपडेट किया जाता है, इसलिए सिस्टम की जटिलता को बढ़ाए बिना आचरण की जांच की जा सकती है। एम्ब्रोगियो ने कहा कि यदि पीसीएम इकाई पर सीधे प्रशिक्षण होता है, तो यह संभव नहीं है।
अपने डिवाइस का परीक्षण करने के लिए, अपने नेटवर्क पर शोधकर्ताओं लोकप्रिय छवि मान्यता बेंचमार्क परिणाम हासिल TensorFlow काफी सटीकता और गूगल प्रमुख तंत्रिका नेटवर्क सॉफ्टवेयर की एक श्रृंखला का आयोजन किया। लेकिन यह महत्वपूर्ण है, वे भविष्यवाणी, और अंत में निर्माण GPU चिप की तुलना में 280 गुना अधिक ऊर्जा कुशल, लेकिन यह भी CPU के 100 गुना वर्ग मिलीमीटर प्रति ऑपरेटर बल पर लागू किया। विशेष रूप से, शोधकर्ताओं ने पूरी तरह से चिप का निर्माण नहीं किया है।
हालांकि वास्तविक पीसीएम इकाइयों का परीक्षण परीक्षणों में किया गया था, अन्य घटकों को कंप्यूटर पर अनुकरण किया गया था। एम्ब्रोगियो ने कहा कि वे यह जांचने की उम्मीद करते हैं कि यह विधि एक पूर्ण चिप बनाने में समय और प्रयास निवेश करने से पहले संभव है या नहीं। उन्होंने कहा कि वे वास्तविक पीसीएम उपकरण का उपयोग करने का फैसला किया, क्योंकि इन उपकरणों का अनुकरण अभी तक विश्वसनीय नहीं है, लेकिन अन्य घटकों की एनालॉग तकनीक पहले से ही परिपक्व है, वे इस डिजाइन के आधार पर एक पूर्ण चिप बनाने के लिए आश्वस्त हैं।
यह केवल पूरी तरह से जुड़े तंत्रिका नेटवर्क पर जीपीयू के साथ प्रतिस्पर्धा कर सकता है। इस तंत्रिका नेटवर्क में, प्रत्येक न्यूरॉन ऊपरी परत पर न्यूरॉन्स से जुड़ा हुआ है, एम्ब्रोगियो ने कहा। लेकिन वास्तव में, कई तंत्रिका नेटवर्क पूरी तरह से जुड़े नहीं हैं। या केवल कुछ परतें पूरी तरह से एक साथ जुड़े हुए हैं।
हालांकि, एम्ब्रोगियो ने कहा कि अंतिम चिप जीपीयू के साथ काम करने के लिए डिज़ाइन किया जाएगा, ताकि यह अन्य कनेक्शन से निपटने के दौरान पूर्ण-कनेक्शन-परत गणना को भी संभाल सके। वह यह भी मानता है कि पूरी तरह से जुड़े परतों से निपटने का यह और अधिक प्रभावी तरीका हो सकता है अधिक व्यापक रूप से इस्तेमाल किया।
ऐसी समर्पित चिप के साथ किस तरह की चीजें संभव हैं?
एम्ब्रोगियो ने कहा कि दो मुख्य अनुप्रयोग हैं: सबसे पहले, व्यक्तिगत उपकरणों के लिए कृत्रिम बुद्धि लागू करें, और दूसरा, डेटा केंद्रों को और अधिक कुशल बनाएं। उत्तरार्द्ध बड़ी प्रौद्योगिकी कंपनियों के लिए एक प्रमुख चिंता है क्योंकि उनके सर्वर बहुत अधिक बिजली का उपभोग करते हैं।
यदि कृत्रिम बुद्धि सीधे व्यक्तिगत उपकरणों पर लागू होती है, तो उपयोगकर्ता क्लाउड में अपना डेटा साझा न करके अपनी गोपनीयता को बचा सकते हैं, लेकिन एम्ब्रोगियो ने कहा कि अधिक रोमांचक संभावना कृत्रिम बुद्धि का निजीकरण है।
उन्होंने कहा: 'इस तंत्रिका नेटवर्क को अपनी कार या स्मार्टफोन में लागू करके, वे आपके अनुभव से सीखना जारी रख सकते हैं।'
'आपका मोबाइल फोन आपकी आवाज़ के लिए वैयक्तिकृत किया जाएगा, आपकी कार एक अद्वितीय ड्राइविंग शैली बनाने के लिए आपकी आदतों पर भी आधारित होगी।'