1. สินค้าคงคลังเทคโนโลยีการจัดเก็บข้อมูลยุคถัดไป: เทคโนโลยีทั้งสี่มีศักยภาพมากที่สุด
ด้วยการเพิ่มขึ้นของโทรศัพท์มือถือ, การใช้งานระบบเครือข่ายสำหรับการจัดเก็บข้อมูลการใช้พลังงานอย่างมีประสิทธิภาพและเทคโนโลยีหน่วยความจำในปัจจุบันความต้องการเพิ่มขึ้นสำหรับหน่วยความจำ DRAM และ NAND เทคโนโลยีหน่วยความจำแฟลชที่สำคัญ แต่ไม่ได้อ่านได้อย่างรวดเร็วและเขียนด้วยความเร็วของ DRAM ในการเก็บข้อมูลเป็นเวลานาน ;. NAND Flash สามารถบันทึกข้อมูลได้ แต่ความเร็วในการอ่านและเขียนไม่ดี
ในขณะเดียวกันหน่วยความจำรุ่นใหม่ที่มีความสามารถในการคำนวณและความสามารถในการจัดเก็บข้อมูลเช่นหน่วยความจำแม่เหล็ก (MRAM), แรมแบบเรซิน (RRAM), เทคโนโลยี 3D XPoint และหน่วยความจำแม่เหล็กอิเล็กตรอนหมุนเร็วที่มีศักยภาพสูง (STT-MRAM) รักใหม่ของเทคโนโลยีหน่วยความจำสำหรับคนรุ่น
เทคโนโลยี MRAM ในความเร็วในการเข้าถึงทางวิชาการจะเกิน DRAM ถึงใกล้กับ SRAM และข้อมูลจะไม่สูญหายไปหลังจากความล้มเหลวของอำนาจการพัฒนาต้นโดย บริษัท Everspin ถูกมองว่าเป็นเทคโนโลยีหน่วยความจำคู่แข่งที่สำคัญรุ่นต่อไป. 2017 การระบาดของเทคโนโลยี MRAM เป็น ปี LSI เทคโนโลยีเทคโนโลยี LSI แล้วที่จัดขึ้นในประเทศญี่ปุ่นในประเทศญี่ปุ่นจัดงานสัมมนาและระบบระหว่างประเทศการใช้งาน GlobalFoundries ได้ออกร่วมกับเทคโนโลยี Emran demagnetization ความร้อน Everspin ที่ช่วยให้ข้อมูลด้วยเซลเซียส ข้อมูลที่เก็บไว้ที่ 150 องศาสามารถขึ้นถึงกว่าทศวรรษที่ผ่านมาของกระบวนการเทคโนโลยีการผลิต 22 นาโนเมตรเป็นที่คาดหวังในตอนท้ายของ 2017, 2018 และนำไปผลิต
หน่วยความจำได้ใส่ลงใน R & D, หายไป แต่ถอนตลาดหน่วยความจำค่าใช้จ่าย TSMC, TSMC 2017 เทคโนโลยีฟอรั่มเผยให้เห็นหน่วยความจำที่มีอยู่แล้ว Magnetoresistive กระบวนการ 22 นาโนเมตรที่ฝังตัว (eMRAM) เทคโนโลยีการผลิตที่กำหนดไว้ 2,018 ทดสอบการผลิต
RRAM ข้อดีคือลดการใช้พลังงานเมื่อเทียบกับ NAND และเขียนข้อมูลได้เร็วกว่าหน่วยความจำแฟลช NAND 10,000 ครั้งผู้ผลิตรายใหญ่ได้ใส่ลงไปในการวิจัยไมครอน, Sony, Samsung
TSMC ได้ประกาศเทคโนโลยี eRRAM กับการผลิต 22 นาโนเมตร. ผู้ผลิตรายใหญ่ 3D XPoint ศิลปะเป็น Intel และไมครอนโดยใช้โครงสร้างสามมิติของการกำหนดค่าสายไฟหลายต้านทานลวดและการใช้ตะแกรงที่จะเป็นตัวแทนของ 0 และ 1 ที่คล้ายกันในหลักการ RRAM
เป็นทางเลือกที่ดีในการจัดเก็บข้อมูลที่มีอุปกรณ์เกือบ 1,000 ครั้งเร็วกว่าหน่วยความจำแฟลช NAND นอกจากนี้ยังสามารถนำมาใช้สำหรับการเรียนการสอนวงจรต้องมีการใช้งานคอมพิวเตอร์ในระดับต่ำ
STT-MRAM เป็นแอพพลิเคชั่นของโมเมนตัมเชิงมุมเชิงควอนตัมควอนตัมซึ่งมีประสิทธิภาพและใช้พลังงาน DRAM และ SRAM ต่ำและเข้ากันได้กับเทคโนโลยีและกระบวนการผลิต CMOS ที่มีอยู่
ปัจจุบันผู้ขายหลักคือ IBM และ Samsung, SK Hynix และ Toshiba ซึ่ง IBM และ Samsung ได้ตีพิมพ์เอกสารวิจัยใน IEEE แสดงให้เห็นว่าพวกเขาประสบความสำเร็จในการส่งมอบความเร็ว 10 nanoseconds และสถาปัตยกรรมประหยัดพลังงานสุดยอด
แม้ว่าในอนาคตของหน่วยความจำรุ่นต่อไปที่คาดว่าจะเข้ามาแทนที่ส่วนหนึ่งของ DRAM และ NAND ตลาดหน่วยความจำแฟลชหรือแม้กระทั่งจะเข้ามาแทนที่เทคโนโลยีเก่า. แต่ผมเชื่อว่าด้วยปัญญาประดิษฐ์อุปกรณ์ระบบเครือข่ายและการจัดเก็บข้อมูลได้มากขึ้นและความต้องการการตรวจจับ, เทคโนโลยีหน่วยความจำรุ่นต่อไปเป็นครั้งแรก เราจะมุ่งเน้นไปที่ความต้องการหลักของการใช้งานใหม่ ๆ เช่น TSMC ฝังความทรงจำที่ถูกล็อคและให้เล่นเต็มไปข้อดีของการใช้คอมพิวเตอร์และคำสั่งผสมการจัดเก็บและขนาดขนาดเล็กต่อไปเพื่อให้บรรลุการชุมนุมส่วนแบ่งการตลาดที่สูงขึ้น
แต่ถ้าผู้ขายจุดแบบไดนามิกในมุมมองของการใช้เทคโนโลยี 22 นาโนเมตรในช่วงกลางเดือน 2018 หลังจาก eMRAM ผู้ใหญ่และเริ่มที่จะมีจำนวนมากของการใช้งานในตลาด
(ผู้เขียนเป็นนักวิจัยนโยบายที่ศูนย์แห่งชาติเพื่อการวิจัยและข้อมูลห้องปฏิบัติการวิจัย) เศรษฐกิจรายวัน
2. หน่วยความจำการระบาดของโรคความต้องการพลังงานใหม่เกี่ยวกับการเคลื่อนไหวที่แข็งแกร่ง;
ผลิตภัณฑ์อิเล็กทรอนิกส์ที่ทันสมัย, หน่วยความจำมีบทบาทที่ขาดไม่ได้. 2017 เซมิคอนดักเตอร์มูลค่าส่งออกอุตสาหกรรมกว่า $ 400 พันล้านโดยประมาณเป็นครั้งแรกซึ่งเป็นหนึ่งในเหตุผลก็คือการเพิ่มขึ้นของความต้องการหน่วยความจำผู้ผลิตสามารถขึ้นราคาเติบโตของรายได้ประมาณ 2,017 ร้อยละห้าของเกาหลีใต้ซัมซุงเป็นผู้ผลิตหน่วยความจำรายใหญ่ที่สุดจะได้รับประโยชน์มากที่สุด. นี้บูมหน่วยความจำคลื่นที่คาดว่าจะยังคงผลักดันความต้องการใช้อินเทอร์เน็ตที่เกิดขึ้นใหม่ของสิ่งอุปกรณ์ที่สวมใส่, การจัดเก็บเมฆและคอมพิวเตอร์ข้อมูลขนาดใหญ่จะกลายเป็นแรงผลักดันเพื่อให้ตลาดหน่วยความจำ พลังงานจลน์
ตามลักษณะการจัดเก็บหน่วยความจำปัจจุบันสามารถแบ่งออกเป็นหน่วยความจำระเหยและไม่ระเหยหลังจากปิดเครื่องหน่วยความจำระเหยไม่สามารถเก็บรักษาไว้ได้หลังจากที่ปิดเครื่องค่าใช้จ่ายสูง แต่ความเร็วจะเร็วโดยปกติแล้วจะใช้สำหรับเก็บข้อมูลชั่วคราวไม่ระเหย ความเร็วในการเข้าถึงหน่วยความจำช้า แต่สามารถบันทึกข้อมูลเป็นเวลานาน
คงที่หน่วยความจำเข้าถึงโดยสุ่ม (SRAM) และหน่วยความจำเข้าถึงโดยสุ่มแบบไดนามิก (DRAM) มักจะใช้ในจำนวนมากของระบบคอมพิวเตอร์และผลิตภัณฑ์อิเล็กทรอนิกส์เช่นการใช้หน่วยความจำชั่วคราวของข้อมูลระเหย. DRAM พีซีในปัจจุบัน / NB และการใช้งานโทรศัพท์มือถือ พระเจ้า แต่ในการสนับสนุนการทำงานแบบเสมือนกราฟิกและอื่น ๆ ที่ซับซ้อน, การใช้งานแบบ real-time นอกจากนี้ยังจะทำงานเพื่อเพิ่มปีโดยปี. DRAM จาก 80 ปีที่ผ่านมามากกว่า 20 บริษัท ระดับโลกที่ผลิตปัจจุบันเท่านั้นซัมซุง (Samsung), SK Hynix (SK Hynix) และ ไมครอน (ไมครอน) และสามตลาดผู้ขายน้อยรายประเภทของแอพลิเคชันการขยายตัวจากเครื่องคอมพิวเตอร์ที่สำคัญและประเภทอิเล็กทรอนิกส์สำหรับผู้บริโภค (เช่น iPod), โทรศัพท์มือถือ, คอมพิวเตอร์แท็บเล็ตอุปกรณ์ที่สวมใส่รถอัจฉริยะไร้คนขับยานพาหนะ DRAM ความต้องการที่สูงขึ้นและสูงขึ้น
หน่วยความจำแบบแฟลช (หน่วยความจำ Flash) ฯลฯ มีลักษณะการอ่าน / เขียนที่แตกต่างกัน แต่ยังคงมีอยู่หลังจากที่เครื่องตัดไฟแล้ว สามารถบันทึกข้อมูลเป็นเวลานานความเร็วในการทำงานของ Flash จะเร็วกว่าฮาร์ดดิสก์ทั่วไปดังนั้นจึงค่อยๆกลายเป็นกระแสหลัก
Flash และสถาปัตยกรรมหน่วยความจำ ROM สามารถแบ่งออกเป็นแบบคู่ขนาน (NOR) กับตีคู่ (NAND) ซึ่งเป็นหน่วยความจำแบบคู่ขนานแฟลช (NOR-Flash) เป็นเรื่องธรรมดาใน BIOS เมนบอร์ดควบคู่ประเภทหน่วยความจำแฟลช (NAND-Flash) เป็นเรื่องธรรมดาในผลิตภัณฑ์อิเล็กทรอนิกส์สำหรับผู้บริโภคทั่วไป เช่นโทรศัพท์มือถือ, แฟลชไดรฟ์ SSD ฯลฯ เทคโนโลยี NAND Flash ยังคงมีวิวัฒนาการกับกระบวนการหน่วยค่าใช้จ่ายกำลังการผลิตยังคงลดลงได้รับในโทรศัพท์สมาร์ทอุปกรณ์ฝังตัวและงานอุตสาหกรรมจำนวนมากที่มีความนิยมในปีที่ผ่านมาใช้ในการจัดเก็บข้อมูลขนาดใหญ่และการเจริญเติบโต เพิ่มจำนวนของโน้ตบุ๊คความต้องการ SSDs ที่ SSD ทำโดย NAND แฟลชได้ค่อยๆแทนที่ฮาร์ดไดรฟ์ของแนวโน้มทั่วไปของผู้ผลิตรายใหญ่ซัมซุง, โตชิบาและ SK Hynix
DRAM และ NAND Flash มีคุณสมบัติและค่าใช้จ่ายที่แตกต่างกันอดีตมีแบนด์วิดธ์การรับส่งข้อมูลขนาดใหญ่ต่อวินาทีค่าใช้จ่ายต่อหน่วยสูงและการใช้พลังงานสูงหลังมีความเร็วในการรับส่งข้อมูลช้าต้นทุนต่ำต่อหน่วยและการใช้พลังงานต่ำ ตลาดและหน้าที่ถูกแยกออกจากกันและยังประกอบด้วยสองค่ายหลักของผลิตภัณฑ์หน่วยความจำในปัจจุบันเพื่อตอบสนองต่อการเติบโตของอินเทอร์เน็ตของสิ่งต่างๆข้อมูลขนาดใหญ่และข้อมูลระบบคลาวด์หน่วยความจำจะเป็นอิสระหรือถูกฝังไว้และจะเป็นส่วนประกอบสำคัญของสถาปัตยกรรมระบบ .
ในปี 2020 ตลาดหน่วยความจำทั่วโลกจะอยู่ที่ 79.51 พันล้านเหรียญสหรัฐซึ่ง DRAM คิดเป็น 38.9% NAND Flash จะคิดเป็น 55.1% และหน่วยความจำสำหรับรุ่นถัดไปจะเพิ่มขึ้น 2.0%
อย่างไรก็ตามเนื่องจากปัญหาคอขวดและผลกระทบของหน่วยความจำหลักของ DRAM และ NAND ในกระบวนการ miniaturization การหาทางเลือกหรือการเปลี่ยนวงจรเพื่อตอบสนองความต้องการจัดเก็บข้อมูลในอนาคตจะเป็นปัญหาที่สำคัญที่สุดในอุตสาหกรรมหน่วยความจำปัจจุบัน
เมตริกหลักสามข้อสำหรับการพัฒนาหน่วยความจำรุ่นต่อไป ได้แก่ ค่าใช้จ่ายประสิทธิภาพของคอมโพเนนต์ความยืดหยุ่นและความหนาแน่นเป็นต้นซึ่งค่าใช้จ่ายดังกล่าวรวมถึงอนุภาคหน่วยความจำโมดูลและวงจรควบคุมเป็นต้นประสิทธิภาพขององค์ประกอบรวมถึงความคงทนความน่าเชื่อถือและความคงทนในการเก็บข้อมูล เป็นต้น
รุ่นต่อไปของหน่วยความจำอยู่ในขณะนี้โดยทั่วไปที่มีต่อการเปลี่ยนแปลงวิธีการที่ผ่านมาค่าใช้จ่ายที่เก็บไว้ในการเข้าถึงข้อมูลที่เก็บไว้โดยการเปลี่ยนกลไกในการแก้ปัญหาข้อ จำกัด ของรัฐเกี่ยวกับกระบวนการในนอกจากนี้การใช้พลังงานต่ำสำหรับเป้าหมายร่วมกันของส่วนประกอบหน่วยความจำรุ่นต่อไปและแม้กระทั่งไต้หวันมีมากที่สุดในโลก กระบวนการและวงจรขั้นสูงส่วนประกอบที่ดีเยี่ยมและบุคลากร R & D, ยืนตำแหน่งที่ดีมากในการพัฒนาหน่วยความจำควรยึดประโยชน์ในการปรับปรุงห่วงโซ่ระบบนิเวศของอุตสาหกรรมอิเล็กทรอนิกส์, การผูกขาดของผู้ผลิตต่างประเทศเพื่อหลีกเลี่ยงเรื่องของการตลาดหน่วยความจำที่ตำแหน่งที่มั่นคงในโลกเพื่อให้ การแข่งขันของอุตสาหกรรมของไต้หวันได้. (ผู้เขียนเป็นนักวิจัยนโยบายที่ศูนย์แห่งชาติเพื่อการวิจัยและข้อมูลห้องปฏิบัติการวิจัย)
ข้อมูลส่วนตัว STPI
สถาบันแห่งชาติเพื่อการทดลองทางวิทยาศาสตร์และการวิจัยนโยบายเทคโนโลยีและศูนย์ข้อมูล (STPI) ก่อตั้งขึ้นในปี 1974 มันได้รับการอุทิศตนเพื่อการวิจัยและพัฒนาด้านวิทยาศาสตร์และเทคโนโลยีในการเก็บรวบรวมข้อมูลที่จำเป็นในการสร้างการวิเคราะห์กระบวนการและการบริการที่ปัญหา. ในปีที่ผ่านมาทั้งในข้อมูล ฐานทรัพยากรและเสริมสร้างการวิเคราะห์แนวโน้มการวิจัยในการสำรวจประเด็นสำคัญการวิเคราะห์ปัญญาสิทธิบัตรนวัตกรรมและผู้ประกอบการที่จะส่งเสริมการใช้พลังงานเท่ากันและให้ความช่วยเหลือรัฐบาลแผนที่ออกวิสัยทัศน์และกลยุทธ์ของการพัฒนาทางวิทยาศาสตร์และเทคโนโลยีที่มีต่อการวิจัยเชิงนโยบายว่ารถถังที่มีความเชี่ยวชาญในด้านเทคโนโลยีไปข้างหน้า. เศรษฐกิจรายวัน
3.Immervision และ Socionext จะทำงานร่วมกันเพื่อให้ Development Kit panomorphEYE;
มอนทรีออ - (บิสิเนสไว) ---- (บิสิเนสไว) - Immervision และ Socionext ประกาศความร่วมมือเชิงกลยุทธ์สำหรับหุ่นยนต์ปัญญาประดิษฐ์, ที่จอดรถ, เครื่องบินยานพาหนะและประเภทอื่น ๆ ของอุปกรณ์สมาร์ท (AI) และเครื่องจักร การเรียนรู้ (ML) เพื่อพัฒนาแอพลิเคชันที่ครอบคลุมแรกของระบบเซ็นเซอร์ภาพอัจฉริยะ. แพคเกจการพัฒนา PanomorphEYE กำหนดให้เป็นอิสระในกรกฎาคม 2018 และจดทะเบียน
ผ่านความร่วมมือระหว่างทั้งสอง บริษัท ของเราทุกคนสามารถใช้ระบบการมองเห็นที่ชาญฉลาดสำหรับอุปกรณ์สมาร์ทและเครื่องพัฒนาวิสัยทัศน์และการออกแบบที่ชาญฉลาด SoC ขั้นสูงที่มีการผสมผสานเอกลักษณ์ของเซ็นเซอร์บนกระดานช่วยให้ทุกคนที่จะจินตนาการมากขึ้น สินค้าอัจฉริยะ.
Tweet นี้
PanomorphEYE ประกอบด้วยสามมิติสามมิติ 360 องศารอบทิศทางเวลาบิน (TOF), ตัววัดการหมุนวน, เข็มทิศและเซนเซอร์อื่น ๆ ที่มีค่าสำหรับการสร้างต้นแบบอย่างรวดเร็วลดเวลาในการเข้าสู่ตลาดและเพิ่มความสามารถของผลิตภัณฑ์
Immervision ด้านมนุษย์เป็นอุปกรณ์ทั่วโลกผ่านทัศนียภาพมุมกว้างจับภาพที่ไม่ซ้ำกันข้อมูลในภาพและการประมวลผลภาพความสามารถในการบรรลุวิสัยทัศน์ฉลาด, เพิ่มความสามารถของสภาพแวดล้อมโดยรอบการรับรู้ของมนุษย์
Socionext ให้ระบบบนชิป (SoC) ระบบความเชี่ยวชาญที่ยอดเยี่ยมให้การถ่ายภาพ, เครือข่ายและการใช้พลังงานสำหรับอุปกรณ์ชั้นนำในปัจจุบันคอมพิวเตอร์. ร่วมกัน บริษัท มุ่งมั่นที่จะให้ความสามารถในการมองเห็นที่เหนือกว่าความเป็นอิสระและความฉลาดที่จะช่วยให้อุปกรณ์ของวันนี้ที่จะเห็น สำหรับข้อมูลเพิ่มเติมโปรดดูที่ชาญฉลาดมากขึ้น
ImmerVision รองประธานบริหารและประธานเจ้าหน้าที่ฝ่ายธุรกิจเลสซานโดร Gasparini อธิบาย: 'ผ่านความร่วมมือระหว่างทั้งสอง บริษัท ของเราทุกคนสามารถใช้ระบบการมองเห็นที่ชาญฉลาดสำหรับอุปกรณ์สมาร์ทและการพัฒนาของการมองเห็นเครื่องที่ชาญฉลาดและการออกแบบ SoC ขั้นสูงและคณะกรรมการ ผสมผสานเอกลักษณ์ของเซ็นเซอร์บนกระดานช่วยให้ทุกคนที่จะจินตนาการถึงผลิตภัณฑ์ที่ชาญฉลาดมากขึ้น.
Mitsugu Naito บริษัท Socionext รองประธานอาวุโสกล่าวว่าความร่วมมือที่ประสบความสำเร็จระหว่าง Immervision และ Socionext รับกล้องถ่ายภาพและการประมวลผลภาพการใช้งานต่างๆเพื่อให้บริการโซลูชั่นชั้นนำสำหรับวันนี้ผมมีความยินดีมากที่จะประกาศความร่วมมือเชิงกลยุทธ์ของพวกเขาได้เข้ามาใหม่ เวที. เราต่อไปจะปรับปรุงความสามารถในการมองเห็นของมนุษย์และเครื่องที่จะช่วยให้ผู้คนมีชีวิตที่มีประสิทธิภาพมากขึ้นและปลอดภัยมากขึ้น. บิสิเนส
4. ปรับแต่ง AI และใช้พลังงานน้อย IBM พัฒนาชิปเครือข่ายประสาทใหม่
'NetEase ข่าวสมาร์ท 16 มิถุนายนข่าว' GPU ทำงานบนเครือข่ายประสาทได้ทำให้ความคืบหน้าบางอย่างที่น่าตื่นตาตื่นใจในด้านการประดิษฐ์ แต่ความร่วมมือระหว่างทั้งสองไม่สมบูรณ์นักวิจัยของ IBM หวังว่าจะออกแบบ ใช้เป็นพิเศษเพื่อเรียกใช้เครือข่ายใหม่ของเครือข่ายประสาทเพื่อให้ทางเลือกที่เร็วและมีประสิทธิภาพมากขึ้น
จนถึงต้นศตวรรษนี้นักวิจัยได้ตระหนักว่า GPUs (หน่วยประมวลผลกราฟิก) ที่ออกแบบมาสำหรับวิดีโอเกมสามารถใช้เป็นตัวเร่งฮาร์ดแวร์เพื่อใช้งานเครือข่ายประสาทขนาดใหญ่กว่าก่อน
เนื่องจากชิปเหล่านี้สามารถประมวลผลแบบขนานได้เป็นจำนวนมากแทนที่จะประมวลผลซีพียูตามลำดับเช่นเดียวกับซีพียูแบบดั้งเดิมซึ่งเป็นประโยชน์อย่างยิ่งสำหรับการคำนวณน้ำหนักของเซลล์ประสาทหลายร้อยชุดพร้อมกันซึ่งสร้างเครือข่ายประสาทเทียมขึ้น
การแนะนำ GPUs ทำให้พื้นที่นี้สามารถพัฒนาได้ แต่ชิพเหล่านี้ยังต้องแยกการประมวลผลและจัดเก็บข้อมูลซึ่งหมายความว่ามีการใช้เวลาและความพยายามในการถ่ายโอนข้อมูลระหว่างสองอย่างมากซึ่งจะทำให้ผู้คนเริ่มต้นการค้นคว้าข้อมูลใหม่ ๆ เทคโนโลยีการจัดเก็บข้อมูลที่สามารถจัดเก็บและประมวลผลข้อมูลน้ำหนักได้ในตำแหน่งเดียวกันซึ่งจะช่วยเพิ่มความเร็วและประสิทธิภาพในการใช้พลังงาน
อุปกรณ์หน่วยความจำใหม่จะจัดเก็บข้อมูลในรูปแบบอะนาล็อกโดยการปรับระดับความต้านทานนั่นคือข้อมูลจะถูกเก็บไว้ในช่วงต่อเนื่องไม่ใช่หน่วยความจำไบนารีของไบนารี 1 และ 0 เนื่องจากข้อมูลจะถูกเก็บไว้ในหน่วยความจำ ในการนำของเซลล์จึงเป็นไปได้เพียงแค่ถ่ายโอนแรงดันไฟฟ้าระหว่างเซลล์หน่วยความจำและปล่อยให้ระบบทำการคำนวณด้วยวิธีทางกายภาพ
อย่างไรก็ตามความบกพร่องทางกายภาพโดยเนื้อแท้ของอุปกรณ์เหล่านี้หมายความว่าพฤติกรรมของพวกเขาไม่สอดคล้องกันซึ่งจะนำไปสู่ความถูกต้องของการจำแนกประเภทปัจจุบันในการใช้เครือข่ายประสาทเทียมนั้นต่ำกว่าการใช้ GPU อย่างมาก
'เราสามารถดำเนินการใน GPU เร็วกว่าระบบรถไฟ แต่ถ้าการดำเนินการฝึกอบรมไม่ถูกต้องเป็นเช่นนั้นก็จะไม่มีประโยชน์' นำโครงการที่ดุษฏีบัณฑิตนักวิจัยของไอบีเอ็มวิจัยสเตฟาโน Ambrogio กล่าวในการสัมภาษณ์เอกพจน์ฮับ 'เพื่อ เพื่อให้ห่างไกลมีหลักฐานว่าการใช้งานของอุปกรณ์ใหม่เหล่านี้จะสามารถเป็นที่ถูกต้องโดยใช้ GPU ไม่มี.
แต่งานวิจัยมีความคืบหน้าใหม่. ในสัปดาห์สุดท้ายตีพิมพ์บทความใน "ธรรมชาติ" นิตยสาร Ambrogio และเพื่อนร่วมงานของเขาอธิบายวิธีที่พวกเขาใช้ประโยชน์จากหน่วยความจำที่เกิดขึ้นใหม่และส่วนประกอบอิเล็กทรอนิกส์อนาล็อกแบบดั้งเดิมมากขึ้นรวมกันเพื่อสร้าง ชนิดของชิปที่สามารถจับคู่กับความแม่นยำของ GPU ที่ทำงานได้เร็วขึ้นใช้พลังงานน้อยลง
เหตุผลที่ว่าทำไมเทคโนโลยีจัดเก็บข้อมูลใหม่นี้ยากที่จะฝึกฝนเครือข่ายประสาทเทียมลึก ๆ นั่นคือกระบวนการนี้ต้องการการกระตุ้นของเซลล์ประสาทแต่ละตัวขึ้นและลงหลายพันครั้งจนกว่าเครือข่ายจะถูกจัดให้อยู่ในแนวเดียวกันการเปลี่ยนความต้านทานของอุปกรณ์เหล่านี้จำเป็นต้องกำหนดโครงสร้างของอะตอมใหม่ และทุกครั้งที่กระบวนการดำเนินการแตกต่างกัน Ambrogio กล่าวสิ่งกระตุ้นเหล่านี้ไม่ได้เหมือนกันเสมอไปซึ่งจะนำไปสู่การปรับน้ำหนักของเซลล์ประสาทอย่างไม่ถูกต้อง
นักวิจัยได้แก้ปัญหานี้ด้วยการสร้าง "หน่วย synaptic" ซึ่งสอดคล้องกับเซลล์ประสาทตัวเดียวในเครือข่ายที่มีทั้งหน่วยความจำระยะยาวและระยะสั้นเซลล์แต่ละเซลล์ประกอบด้วยคู่ของเฟสการเปลี่ยนแปลงความทรงจำ ( การรวมกันของ PCM) เซลล์และทรานซิสเตอร์และตัวเก็บประจุสามตัว PCM เก็บข้อมูลน้ำหนักไว้ในตัวต้านทานและตัวเก็บประจุจะจัดเก็บข้อมูลน้ำหนักเป็นค่าใช้จ่าย
PCM เป็นหน่วยความจำแบบไม่ระเหย (non-volatile memory) ซึ่งหมายความว่าแม้ว่าจะไม่มีแหล่งจ่ายไฟภายนอก แต่ก็สามารถเก็บข้อมูลที่เก็บไว้ได้และตัวเก็บประจุก็มีความผันผวนดังนั้นจึงสามารถเก็บประจุได้ภายในไม่กี่มิลลิวินาที แต่ตัวเก็บประจุไม่มีความผันแปรของอุปกรณ์ PCM ดังนั้นจึงสามารถตั้งโปรแกรมได้อย่างรวดเร็วและถูกต้อง
เมื่อเครือข่ายประสาทเทอร์โบภาพเพื่อให้งานการจัดหมวดหมู่จะมีการปรับปรุงน้ำหนักของตัวเก็บประจุเท่านั้นหลังจากดูภาพไม่กี่พันข้อมูลน้ำหนักจะถูกโอนไปยังหน่วย PCM เพื่อเก็บข้อมูลระยะยาวความแปรปรวนของ PCM หมายความว่าน้ำหนัก การถ่ายโอนข้อมูลอาจยังคงมีข้อผิดพลาด แต่เนื่องจากมีการปรับปรุงหน่วยเป็นครั้งคราวความสามารถในการตรวจสอบสามารถตรวจสอบได้อีกครั้งโดยไม่เพิ่มความซับซ้อนของระบบ Ambrogio กล่าวว่าหากการฝึกอบรมโดยตรงบนเครื่อง PCM จะเป็นไปไม่ได้
นักวิจัยได้ทดสอบชุดทดสอบการรับรู้ภาพที่ได้รับความนิยมในเครือข่ายของพวกเขาผลการค้นหาได้รับความถูกต้องแม่นยำเทียบเท่ากับซอฟต์แวร์เครือข่ายประสาทเทียมชั้นนำของ Google ซึ่งเป็น TensorFlow แต่ที่สำคัญพวกเขาคาดการณ์ว่าพวกเขาจะสร้างรายได้ออกมา ชิพจะมีประสิทธิภาพมากกว่า GPU 280 เท่าและกำลังการคำนวณต่อตารางมิลลิเมตรจะเป็น 100 เท่าของ CPU เป็นที่น่าสังเกตว่านักวิจัยยังไม่ได้สร้างชิปนี้อย่างสมบูรณ์
ถึงแม้ว่าจะใช้หน่วย PCM จริงในการทดสอบส่วนประกอบอื่น ๆ ถูกจำลองบนคอมพิวเตอร์ Ambrogio กล่าวว่าพวกเขาหวังว่าจะตรวจสอบว่าวิธีนี้เป็นไปได้หรือไม่ก่อนที่จะตัดสินใจลงทุนในการสร้างชิพที่สมบูรณ์แบบเขากล่าวว่า ตัดสินใจที่จะใช้อุปกรณ์ PCM จริงเพราะการจำลองของอุปกรณ์เหล่านี้ยังไม่น่าเชื่อถือ แต่เทคโนโลยีอนาล็อกของส่วนประกอบอื่น ๆ ที่มีอยู่แล้วพวกเขามีความมั่นใจในการสร้างชิปที่สมบูรณ์ขึ้นอยู่กับการออกแบบนี้
มันสามารถแข่งขันกับ GPUs ในเครือข่ายประสาทที่เชื่อมต่ออย่างเต็มที่ในเครือข่ายประสาทนี้ neuron แต่ละเซลล์มีการเชื่อมต่อกับเซลล์ประสาทในชั้นบน Ambrogio กล่าว แต่ในความเป็นจริงหลายเครือข่ายประสาทไม่ได้เชื่อมต่ออย่างเต็มที่ หรือเพียงบางชั้นเท่านั้นที่เชื่อมต่อกันอย่างสมบูรณ์
แต่ Ambrogio กล่าวว่าชิปสุดท้ายจะได้รับการออกแบบในรูปแบบความร่วมมือกับ GPU เพื่อให้กระบวนการของการคำนวณการประมวลผลที่สามารถเชื่อมต่ออย่างเต็มที่ในขณะที่ชั้นเชื่อมต่ออื่น ๆ. นอกจากนี้เขายังเชื่อว่าวิธีที่มีประสิทธิภาพมากขึ้นในขั้นตอนนี้อาจจะเป็นชั้นที่เกี่ยวโยงกันอย่างเต็มที่ แอพลิเคชันที่กว้างขึ้น
เช่นชิปพิเศษที่สามารถทำสิ่งที่เป็นไปได้?
Ambrogio กล่าวว่ามีสองโปรแกรมหลักหนึ่งคือปัญญาประดิษฐ์นำไปใช้กับอุปกรณ์ส่วนบุคคลและที่สองเพื่อให้ศูนย์ข้อมูลมีประสิทธิภาพมากขึ้น บริษัท เทคโนโลยีขนาดใหญ่ที่เป็นข้อกังวลสำคัญเพราะเซิร์ฟเวอร์ของตนใช้ไฟฟ้ามาก
ถ้าปัญญาประดิษฐ์ถูกนำไปใช้โดยตรงกับอุปกรณ์ส่วนบุคคลผู้ใช้สามารถบันทึกข้อมูลส่วนบุคคลได้โดยไม่ต้องแชร์ข้อมูลในระบบคลาวด์ แต่ Ambrogio กล่าวว่าโอกาสที่น่าตื่นเต้นคือการปรับใช้ข้อมูลประดิษฐ์ส่วนบุคคล
เขากล่าวว่า "การประยุกต์ใช้เครือข่ายประสาทนี้กับรถยนต์หรือสมาร์ทโฟนของคุณพวกเขาสามารถเรียนรู้จากประสบการณ์ของคุณต่อไป"
"โทรศัพท์มือถือของคุณจะถูกปรับเปลี่ยนในแบบของคุณเองเพื่อให้รถยนต์ของคุณเป็นไปตามนิสัยของคุณในรูปแบบการขับขี่ที่เป็นเอกลักษณ์"