1. اگلے نسل اسٹوریج ٹیکنالوجی انوینٹری: چار ٹیکنالوجیوں میں سب سے بڑی صلاحیت ہے؛
موبائل آلات اور انٹرنیٹ کی چیزوں کی انٹرنیٹ کے اضافے کے ساتھ، توانائی کی بچت کے اعداد و شمار کی اسٹوریج اور میموری ٹیکنالوجی کی مانگ بڑھتی ہوئی ہے. فی الحال، DRAM اور نند فلیش میموری میموری میموریز ہیں، لیکن ڈرائم ڈیٹا کو طویل عرصے سے پڑھنے اور لکھنے نہیں دے سکتا. اعداد و شمار کو بچا سکتے ہیں، لیکن پڑھنے اور لکھنے کی رفتار اچھی نہیں ہے.
ایک ہی وقت میں، اگلے نسل کی میموری جس میں کمپیوٹنگ اور اسٹوریج کی صلاحیتیں ہیں، جیسے مقناطیسورسٹیک میموری (MRAM)، مزاحم رام (رام)، 3D XPoint ٹیکنالوجی، اور اعلی ممکنہ اسپن برقی مقناطیسی میموری (STT-MRAM)، بن جاتا ہے. نسلوں کے لئے میموری ٹیکنالوجی کا نیا پیار.
ایک تعلیمی رسائی کی رفتار میں سے Mram ٹیکنالوجی DRAM SRAM کے قریب تک پہنچنے، اور ڈیٹا بجلی کی ناکامی، ابتدائی Everspin کمپنی کی طرف سے تیار کرنے کے بعد ختم نہیں ہوا ہے، اگلی نسل کی میموری ٹیکنالوجی اہم حریف کے طور پر دیکھا جاتا ہے کو پیچھے چھوڑ جائے گا. سے Mram ٹیکنالوجی کے 2017 وباء ایک ہے سال، پھر جاپان میں جاپان میں منعقد LSI ٹیکنالوجی LSI ٹیکنالوجی کی ایک بین الاقوامی سیمینار اور نظام ایپلی کیشنز، منظم GlobalFoundries سیلسیس کے ساتھ ڈیٹا کی اجازت دیتا ہے کہ Everspin تھرمل دماگنیٹازشن عمران ٹیکنالوجی کے ساتھ مشترکہ طور پر جاری کر دیا 150 ڈگری پر ذخیرہ کردہ ڈیٹا، 22 NM عمل ٹیکنالوجی کے عمل کے ایک دہائی سے زیادہ کے لئے ہو سکتا ہے، یہ 2017، 2018 کے آخر تک متوقع ہے اور پیداوار میں ڈال دیا جاتا ہے.
میموری شیڈول 2018، R & D میں ڈال دیا گیا ہے، لیکن پہلے سے ہی 22 nanometer عمل سرایت کی ہے magnetoresistive میموری (eMRAM) پیداوار ٹیکنالوجی کو بے نقاب، مہنگا میموری مارکیٹ TSMC، TSMC 2017 ٹیکنالوجی فورم کو واپس لینے کا کھو ٹیسٹ کی پیداوار
RRAM فائدہ کم طاقت کی کھپت نند کے مقابلے میں، اور 10،000 مرتبہ کے مقابلے نند فلیش میموری تیز تر معلومات لکھ رہا ہے، بڑے مینوفیکچررز تحقیق مائکرون، سونی، اتارنا Samsung میں ڈال دیا ہے.
TSMC eRRAM ٹیکنالوجی 22 ینیم کی پیداوار کے ساتھ 3D XPoint آرٹ بڑے دکانداروں انٹیل اور مائکرون کے طور پر، ایک multilayer وائرنگ ترتیب دینے کی تین جہتی ساخت کا استعمال کرتے ہوئے اعلان کیا ہے.، تار مزاحمت اور ایک جنگلا کے استعمال کی نمائندگی کے لئے 0 اور 1، ایک RRAM اصولی دیکھیں.
تقریبا 1،000 گنا تیزی نند فلیش میموری کے مقابلے میں ہونے کی سٹوریج آلات کے لئے ایک اچھا متبادل ہے، بھی ہدایات سائیکل کے لئے استعمال کیا جا سکتا کم کمپیوٹنگ ایپلی کیشنز کی ضرورت ہے.
STT-سے Mram ٹیکنالوجی، کوانٹم میکانی الیکٹران سپن کونیی رفتار کا استعمال ہے، ایک اعلی کارکردگی DRAM اور SRAM اور کم بجلی کی کھپت ہے، اور روایتی CMOS تعمیر کی تکنیک اور عمل کے ساتھ مطابقت رکھتا ہے.
موجودہ وقت میں، سرمایہ کاری فرموں IBM اور سیمسنگ، SK Hynix اور توشیبا، IBM اور سیمسنگ IEEE میں شائع تحقیق کے کاغذات کہا جس سے یہ کامیابی 10 nanoseconds کے اور ایک سپر طاقت کے فن تعمیر کی منتقلی کی شرح حاصل کر لیا ہے.
اگرچہ اگلی نسل کی میموری کے مستقبل DRAM اور نند فلیش میموری مارکیٹ کا حصہ تبدیل کرنے کی توقع کی جاتی ہے، یا اس سے بھی پرانی ٹیکنالوجی کو تبدیل کرنے کی. لیکن مجھے یقین ہے کہ مصنوعی ذہانت، نیٹ ورکنگ کے آلات اور زیادہ ڈیٹا کلیکشن اور سینسنگ طلب، اگلی نسل کی میموری ٹیکنالوجی پہلی کے ساتھ ہم جیسے مقفل TSMC سرایت یادیں نئی ایپلی کیشنز، کی اہم مطالبے پر توجہ مرکوز، اور اعلی مارکیٹ کی رسائی اسمبلی کے حصول کے لئے، کمپیوٹنگ اور اسٹوریج طومار، اور مزید چھوٹے سائز کے فوائد کو مکمل کھیلیں دے گا.
تاہم، قول کے وینڈر متحرک نقطہ، eMRAM بعد وسط 2018 میں 22 نینو ٹیکنالوجی مقدار غالب اور مارکیٹ ایپلی کیشنز کی ایک بڑی تعداد ہے کرنے کے لئے شروع ہو.
(مصنف تجرباتی سائنس اور ٹیکنالوجی کی پالیسی اور انفارمیشن سینٹر کے قومی انسٹی ٹیوٹ کے ایک محقق ہے)
2. نئے مطالبہ پھیلاؤ مضبوط میموری متحرک؛
جدید الیکٹرانک مصنوعات، میموری ایک لازمی کردار ادا کرتا ہے. زائد 400 ارب $ پہلی بار کے لئے اندازہ لگایا گیا کے 2017 سیمیکمڈکٹر صنعت پیداوار کی قیمت، وجوہات میں سے ایک یاد داشت کی ضروریات اضافہ ہے، مینوفیکچررز کی قیمتوں میں اضافہ کر سکتے ہیں، کے بارے میں 2017 کی آمدنی کا اضافہ پانچ فیصد، جنوبی کوریا کی سام سنگ، بڑا میموری سپلائر ہے سب سے زیادہ فائدہ ہو گا. اس لہر میموری بوم تاکہ میموری مارکیٹ کے ذریعے کارفرما ہو جائے گا چیزیں، wearable آلات، کلاؤڈ اسٹوریج اور بڑے پیمانے پر ڈیٹا کمپیوٹنگ کی ابھرتی ہوئی انٹرنیٹ کے لئے مانگ کو ڈرائیو کرنے کے لئے جاری ہونے کی توقع ہے کنکریٹ توانائی.
انہراسی؛ موجود میموری اسٹوریج خصوصیات بعد بجلی غائب ہو گئی ہے غیر مستحکم اور غیر مستحکم میموری میں تقسیم کیا جا سکتا ہے، غیر مستحکم میموری بجلی کی ناکامی، اعلی قیمت لیکن تیز رفتار، عام طور پر عارضی ڈیٹا کو ذخیرہ کرنے کے لیے استعمال کیا جاتا ہے کے بعد کے اعداد و شمار کو برقرار رکھنے کر سکتے ہیں کے اعداد و شمار کے مطابق میں مستحکم میموری رسائی کی رفتار سست ہے، لیکن اعداد و شمار کے طویل المیعاد تحفظ.
جامد رینڈم رسائی میموری (SRAM) اور متحرک رینڈم رسائی میموری (DRAM) اکثر کمپیوٹر سسٹمز اور الیکٹرانک مصنوعات کی ایک بڑی تعداد میں استعمال کیا جاتا ہے، ڈیٹا مستحکم میموری کے عارضی استعمال کے طور پر. DRAM فی الحال PC / NB اور موبائل ایپلی کیشنز رب، لیکن ورچوئلائزیشن، گرافکس اور دیگر پیچیدہ کی حمایت میں، اصل وقت کی ایپلی کیشنز بھی سال بہ سال اضافہ 80 سال پہلے 20 سے زیادہ عالمی مینوفیکچرنگ کمپنی، فی الحال صرف سیمسنگ (سیمسنگ)، SK Hynix (SK Hynix) اور سے کام کریں گے. DRAM مائکرون (مائکرون) اور تین oligopoly مارکیٹ، اہم PC اور کنزیومر الیکٹرانکس زمرے (جیسے آئی پوڈ کے طور پر)، موبائل فونز، ٹیبلٹ کمپیوٹرز، wearable آلات، ذہین گاڑیوں سے وسعت دینے کی درخواست کی قسم، بغیر پائلٹ گاڑیوں DRAM اعلی اور اعلی مطالبہ.
صرف پڑھنے میموری (ROM) یا اس طرح ایک روایتی میکانی ہارڈ ڈسک (ایک کوائف نامہ)، سالڈ اسٹیٹ ڈرائیو (SSD)، ایک فلیش میموری (فلیش میموری) اور مختلف پڑھا ہیں اور خصوصیات لکھیں، لیکن بجلی کی فراہمی میں تمام اب بھی ہیں اگرچہ طرح کے طور پر ایک برتحریر میموری کاٹ رہا ہے کے اعداد و شمار، جس میں جنرل ہارڈ ڈسک یا تیزی کے ساتھ مقابلے فلیش آپریٹنگ رفتار طویل مدت کے لئے ذخیرہ کیا جا سکتا ہے، تو آہستہ آہستہ مرکزی دھارے بن جاتے ہیں.
فلیش اور ROM میموری فن تعمیر (NOR) مل (نند)، ایک متوازی فلیش میموری (NOR-فلیش) motherboard کے بایوس میں عام ہے کے ساتھ متوازی میں تقسیم کیا جا سکتا ہے، مل کی قسم فلیش میموری (نند فلیش) جنرل کنزیومر الیکٹرانکس مصنوعات میں عام ہے، جیسا کہ موبائل فونز، فلیش ڈرائیوز، SSD، وغیرہ، نند فلیش ٹیکنالوجی کے عمل کے ساتھ تیار کرنے کے لئے جاری ہے، یونٹ صلاحیت کے اخراجات میں کمی جاری، سمارٹ فون میں رہا ہے، ایمبیڈڈ آلات اور صنعتی ایپلی کیشنز حالیہ برسوں میں مقبولیت کی ایک بہت بڑی اور بڑھتی ہوئی ڈیٹا اسٹوریج میں استعمال کیا جاتا نوٹ بک SSDs ہے مانگ، آہستہ آہستہ اہم مینوفیکچررز سیمسنگ، توشیبا اور SK Hynix لئے ایک عام رجحان کی ہارڈ ڈرائیو کی جگہ ہے نند فلیش کی طرف سے بنائی SSD کی تعداد میں اضافہ.
ڈرام اور نینڈ فلیش فلیش خصوصیات اور قیمتوں میں تکمیل ہیں. سابق سیکنڈ میں بڑے پیمانے پر ٹرانسمیشن بینڈوڈتھ، اعلی یونٹ کی لاگت، اور اعلی طاقت کی کھپت؛ پس منظر میں سست رفتار ٹرانسمیشن کی رفتار، کم لاگت فی یونٹ اور کم بجلی کی کھپت ہوتی ہے. مارکیٹ اور فنکشن الگ ہوجائے گی، اور یہ موجودہ موجودہ مصنوعات کی دو اہم کیمپ بھی تشکیل دیتا ہے. چیزیں، بڑے اعداد و شمار اور بادل کے اعداد و شمار کے انٹرنیٹ کے دھماکہ خیز ترقی کے جواب میں، میموری آزاد یا سرایت ہے اور نظام کے فن تعمیر کا ایک اہم حصہ ہوگا. .
2020 میں تلاش کر رہا ہے، عالمی میموری مارکیٹ 79.51 ارب امریکی ڈالر ہوگی، جس میں DRAM کا 38.9 فیصد حصہ ہوگا، نینڈ فلیش میں 55.1 فیصد اضافہ ہوگا، اور اگلے نسل کے لئے میموری 2.0٪ تک جائیں گی.
تاہم، مرکزی دھارے DRAM اور نند میموری bottleneck کے اور اثر و رسوخ کے چھوٹے عمل پر شائع ہوا ہے، اور اس وجہ سے مستقبل کے ڈیٹا سٹوریج کی ضروریات کے ساتھ نمٹنے کے لئے متبادل حل یا تبدیلی سرکٹس، وغیرہ کو تلاش کرنے کے لئے، کے بعد سے، میموری کی صنعت کو فی الحال سب سے اہم مسئلہ ہے.
میموری کی ترقی یافتہ تین نسلوں کی پیمائش کے معیار کی لاگت، آلہ کی کارکردگی میں شامل ہیں، اور عام طور پر میموری چپس کی قیمت، اور ایک کنٹرول سرکٹ ماڈیول کے بارے میں غور کرنے کی ضرورت ہے جس میں چھوٹے کثافت، کی ہو سکتی ہے؛ تاخیر کے آلہ کی کارکردگی، وشوسنییتا، استحکام ڈیٹا سٹوریج پر مشتمل ہے اور اسی طرح کی.
میموری کی اگلی نسل،، عمل پر ریاست کی پابندیوں کو حل کرنے کے طریقہ کار کو تبدیل کر کے ذخیرہ کردہ ڈیٹا تک رسائی حاصل کرنے کے لئے محفوظ کیا جاتا انچارج ماضی طریقہ تبدیل کرنے کے علاوہ کی طرف عام طور پر اب ہے، اگلی نسل کی میموری اجزاء کی مشترکہ مقصد کے لئے کم بجلی کی کھپت اور یہاں تک تائیوان میں دنیا کے سب سے زیادہ اعلی درجے کی عمل اور سرکٹ کے اجزاء اور بہترین آر اینڈ ڈی کے اہلکاروں، میموری کی ترقی میں بہت سازگار پوزیشن کھڑے فائدہ قبضہ کرنا چاہئے، برقی مصنوعات کی صنعت کے ماحولیاتی زنجیر کو بہتر بنانے، غیر ملکی مینوفیکچررز کی اجارہ داری میموری مارکیٹ کے موضوع سے بچنے کے لئے، دنیا میں ایک فرم پوزیشن رکھنے کے لئے تائیوان کی صنعت کی مائسپرداتمکتا. (مصنف تحقیق اور معلومات ریسرچ لیبارٹریز کے لئے قومی مرکز میں ایک پالیسی محقق ہے)
ایسٹیپیآئ پروفائل
تجرباتی سائنس اور ٹیکنالوجی پالیسی ریسرچ اینڈ انفارمیشن سینٹر کے لئے نیشنل انسٹی ٹیوٹ (ایسٹیپیآئ) 1974 میں قائم کیا گیا تھا، یہ طویل تحقیق اور سائنس اور ٹیکنالوجی کی ترقی کے لئے، معلومات میں دونوں وقف کیا گیا ہے، اگر ضروری ڈیٹا اکٹھا تعمیر کرنے کا تجزیہ، عمل اور سروس کے مسائل. حالیہ برسوں میں وسائل کی بنیاد، اور ٹینک آگے ٹیکنالوجی میں مہارت سوچنے اہم مسائل، پیٹنٹ انٹیلی جنس تجزیہ، جدت طرازی اور کاروباری برابر توانائی کو فروغ دینے کے، اور سرکاری سائنسی اور تکنیکی ترقی کے وژن اور حکمت عملی نقشہ کی مدد کرنے میں پالیسی ریسرچ کی جانب دریافت کرنے، تحقیق رجحان تجزیہ کو مضبوط بنانے. معاشی ڈیلی
3.Immervision اور Socionext panomorphEYE ترقی کٹ فراہم کرنے تعاون کریں گے؛
معدنیات (- کاروباری وائرس) - اعصابی اور Socionext نے آج مصنوعی انٹیلی جنس (اے اے) اور روبوٹ، آٹوموبائل، ڈرون اور دوسرے سمارٹ آلات کے لئے روبوٹ کے لئے ایک اسٹریٹجک شراکت داری قائم کرنے کا اعلان کیا. سیکھنا (ایم ایل) ایپلی کیشنز کو مشترکہ طور پر پہلی جامع ذہنی بصیرت سینسر سسٹم کو تیار کرنے کے لئے. جولائی 20168 میں پینومورفئی ای ترقیاتی کٹ کو جاری کیا اور شروع کیا جائے گا.
ہماری دو کمپنیوں کے درمیان تعاون کے ذریعے، ہر ایک کو سمارٹ وژن کے نظام کو سمارٹ آلات اور مشینوں کے لئے تیار کرنے کا امکان ہے. ذہین نقطہ نظر اور اعلی درجے کی سوسیسی ڈیزائن کا منفرد مجموعہ بورڈ پر سینسر کے ساتھ کسی کو تصور کرنے کے قابل بناتا ہے. سمارٹ مصنوعات. '
یہ
panomorphEYE فیوژن تناظر 3D، تصویر کے ارد گرد 360 ڈگری، ToF (TOF)، Gyroscope کی، کمپاس اور دیگر سینسر، تیزی prototyping، مارکیٹ اور مصنوعات کے انمول کو بڑھانے کے لئے کی صلاحیت ہے کرنے کے لئے کم وقت.
Immervision ایک منفرد panoramic نقطہ وسیع زاویہ تصویر کی گرفتاری کے ذریعے عالمی سطح پر آلات میں انسانی پہلوؤں، ذہین وژن کو حاصل کرنے کے ڈیٹا میں تصویر اور تصویر پروسیسنگ کی صلاحیتوں، انسانی تصور کے ارد گرد کے ماحول کی صلاحیت کو بڑھانے کے.
Socionext نیٹ ورکنگ اور آج کے معروف سامان کے لئے کمپیوٹنگ طاقت، نظام پر چپ (SOC) نظام بے مثال مہارت فراہم کرتا امیجنگ فراہم کرتا ہے. ساتھ میں، کمپنیوں کو دیکھنے کے لئے آج کے آلات کی مدد سے برتر وژن کی صلاحیت، خود مختاری اور انٹیلی جنس فراہم کرنے کے لئے مصروف رہے ہیں مزید، مزید انٹیلی جنس دیکھیں.
ImmerVision ایگزیکٹو نائب صدر اور چیف بزنس آفیسر Alessandro کی Gasparini وضاحت کی: 'ہماری دونوں کمپنیوں کے درمیان تعاون کے ذریعے، ہر کوئی اسمارٹ آلات اور ذہین مشین وژن اور اعلی درجے SOC ڈیزائن اور بورڈ کی ترقی کے لئے ذہین وژن نظام خرچ کر سکتے ہیں. سینسروں کی منفرد مجموعہ کسی کو بھی زبردست مصنوعات تصور کرنے کی اجازت دیتا ہے.
Mitsugu Naito، سینئر نائب صدر Socionext کمپنی نے کہا: 'Immervision اور Socionext درمیان کامیاب تعاون آج کے لئے اہم ترین حل فراہم کرنے کے لئے مختلف کیمرے اور تصویر پروسیسنگ ایپلی کیشنز رہے ہوں ان کی اسٹریٹجک شراکت داری کا اعلان کر بہت خوش ایک نیا داخل ہو گیا ہوں. سٹیج. ہم مزید لوگوں کو ایک زیادہ موثر اور زیادہ محفوظ زندگی گزارنے میں مدد کرنے کے لئے انسانی اور مشین وژن کی صلاحیت بزنس وائر بہتری آئے گی. '
4. AI کو ذاتی بنانا اور کم طاقت کا استعمال کرتے ہوئے آئی بی ایم نے نئے نئرا نیٹ ورک چپس تیار کیے ہیں
GPU پر چلنے والے 'اسمارٹ Netease نیوز 16 جون خبر' نیورل نیٹ ورک کچھ حیرت انگیز پیش رفت مصنوعی ذہانت کے میدان میں بنایا گیا ہے، لیکن دونوں کے درمیان بھی تعاون کامل نہیں ہے. IBM محققین ایک ڈیزائن کرنے کی امید خاص طور پر تیزی، زیادہ موثر متبادل فراہم کرنے کے لئے نیور نیٹ ورک کے نئے نیٹ ورک چلانے کے لئے استعمال کیا جاتا ہے.
اس صدی کے آغاز تک، محققین ویڈیو گیم ڈیزائن GPU (گرافکس پروسیسنگ یونٹ) کے لئے پہلے سے کہیں زیادہ ایک بڑے عصبی نیٹ ورک کو چلانے کے لئے ایک ہارڈ ویئر سرعت کے طور پر استعمال کیا جا سکتا ہے، اس بات کا احساس.
یہ حقیقت یہ ہے کہ یہ چپس ایک متعدد روایتی سی پی یو کی طرح پروسیسنگ کے بجائے متوازی میں بڑی تعداد میں حسابات انجام دے سکتے ہیں. یہ خاص طور پر مفید طور پر مفید طور پر مفید ہے کہ سینکڑوں نیوروں کے وزن کا حساب لگانا جو گہری سیکھنے کے نیورل نیٹ ورک کو بناتا ہے.
GPUs کے تعارف نے اس علاقے کی ترقی کی اجازت دی ہے، لیکن یہ چپس اب بھی پروسیسنگ اور اسٹوریج کو علیحدہ کرنے کی ضرورت ہے، اس کا مطلب یہ ہے کہ دونوں کے درمیان ڈیٹا ٹرانسفر پر بہت زیادہ وقت اور کوشش خرچ کی جاتی ہے. یہ لوگوں کو نئی تحقیقات شروع کرنا شروع کردیتا ہے. اسٹوریج ٹیکنالوجیز جو کہ اسی ڈیٹا پر وزن کے اعداد و شمار کو ذخیرہ اور عمل کر سکتے ہیں، اس طرح تیز رفتار اور توانائی کی کارکردگی میں اضافہ ہوتا ہے.
نیا میموری آلات ان کے مقاصد کی سطح کو ایڈجسٹ کرکے انالاج فارم میں ذخیرہ کرتی ہے - یہ ہے کہ، ڈیٹا بائنری 1 اور 0. کی بائنری میموری کے بجائے ایک مسلسل رینج میں ذخیرہ کیا جاتا ہے کیونکہ معلومات میموری میں محفوظ ہے. سیل کے عمل میں، اس طرح میموری خلیوں کے درمیان وولٹیج کو منتقل کرنے کے لۓ اور نظام کو جسمانی وسائل کی طرف سے حساب کرنے کی اجازت دینا ممکن ہے.
تاہم، ان آلات کے معدنی جسمانی خرابی کا مطلب یہ ہے کہ ان کے رویے میں متضاد ہے، جو نیور نیٹ ورکوں کو تربیت دینے کے لئے استعمال کرنے کی موجودہ درجہ بندی کی درستگی کی وجہ سے GPU کے استعمال سے نمایاں ہے.
آئی بی ایم ریسرچ میں ایک پوسٹ ڈسٹرکٹ کے ایک محقق اسٹففیانو امگروئو نے کہا، "ہم GPU کے مقابلے میں تیز رفتار نظام پر تربیت دے سکتے ہیں، لیکن اگر تربیت بہت درست نہیں ہے، تو یہ بیکار ہو گی." اب تک، کوئی ثبوت نہیں ہے کہ ان نئے آلات کا استعمال کرتے ہوئے GPU کا استعمال کرتے ہوئے درست ہوسکتا ہے.
لیکن تحقیق نے نئی پیش رفت کی ہے. گزشتہ ہفتے شائع ہونے والی ایک کاغذ میں نوعیت میں، آبروگیو اور اس کے ساتھیوں نے یہ بیان کیا کہ وہ کس طرح نئے اینالاگ یادیں اور زیادہ روایتی الیکٹرانک اجزاء کا استعمال کرتے ہیں. ایک چپ جس میں تیزی سے اور کم بجلی کی کھپت کے ساتھ GPU کی درستگی سے مل سکتا ہے.
کی وجہ سے ان نئے سٹوریج ٹیکنالوجی عصبی نیٹ ورک گہرا ہے تربیت کرنا مشکل ہے، اس عمل کو ان آلات کی مزاحمت کو تبدیل کرنے کی کامل سیدھ نیٹ ورک تک ان کی ایٹمی ساخت reconfigure کی ضرورت ہے، اوپر اور نیچے بار میں سے ہر نیوران محرک ہزاروں کے بھاری وزن کی ضرورت ہوتی ہے، اور دوران ہر آپریشن مختلف ہے، Ambrogio کہا. ان stimuli کے نیوران وزن کے غلط ایڈجسٹمنٹ کی طرف جاتا ہے جس میں ایک جیسے ہمیشہ نہیں ہیں.
محققین نے اس مسئلہ کو 'synaptic units' کی طرف سے حل کیا ہے جس میں سے ہر ایک نیٹ ورک میں ایک نیروئن سے طویل عرصے تک اور طویل مدتی میموری دونوں کے ساتھ مطابقت رکھتا ہے. ہر سیل مرحلے میں تبدیلی کی یادیں ( ایک PCM) سیل اور تین ٹرانسمیٹرز اور ایک ٹرانسمیٹر کا مجموعہ، پی سی ایم ریسرٹر میں وزن کے اعداد و شمار کو ذخیرہ کرتا ہے، اور ساکھٹرٹر وزن چارج کے اعداد و شمار کو چارج کے طور پر رکھتا ہے.
پی سی ایم ایک قسم کی 'غیر مستحکم میموری' ہے، جس کا مطلب یہ ہے کہ یہاں تک کہ اگر کوئی بیرونی طاقت کا ذریعہ نہیں ہے، تو یہ ذخیرہ شدہ معلومات برقرار رکھ سکتی ہے، اور قیاس 'مستحکم' ہے، لہذا یہ صرف چند ملیسیکنڈ کے اندر ہی اس کا چارج برقرار رکھ سکتا ہے. لیکن capacitors کے پاس PCM آلات کی کوئی تبدیلی نہیں ہے اور اس وجہ سے تیزی سے اور درست طریقے سے پروگرام کیا جا سکتا ہے.
عصبی نیٹ ورک کی تصویر کی درجہ بندی کے کام انجام دینے کی تربیت دی جاتی ہے جب، صرف صحیح سندارتر وزن کو اپ ڈیٹ کر رہے ہیں. کئی ہزار تصاویر پر براؤزنگ کے بعد، وزن کے اعداد و شمار PCM یونٹ کے لئے طویل مدتی سٹوریج کے لئے منتقل کر دیا جائے گا. PCM تبورتنییتا وزن کا مطلب ہے کہ ڈیٹا کی منتقلی اب بھی غلطیاں ہونے کا امکان ہے، لیکن کیونکہ یونٹ صرف کبھی کبھار اپ ڈیٹ کیا ہے، لہذا آپ میں دوبارہ چالکتا کے نظام کی پیچیدگی میں اضافہ کے بغیر چیک کر سکتے ہیں. Ambrogio کہا کہ اگر جس سے ممکن نہیں ہے PCM یونٹ، پر براہ راست تربیت.
ان کے سامان کی جانچ کرنے کے لئے، محققین ان کے نیٹ ورک پر مقبول تصویر کی شناخت بنچمارک ٹیسٹنگ کی ایک سیریز منعقد کرتے ہیں. نتائج نے Google کے معروف نیورل نیٹ ورک سافٹ ویئر، TensorFlow کے ساتھ متوازن درستگی حاصل کی. لیکن، اہم بات یہ ہے کہ، انہوں نے پیش گوئی کی کہ وہ آخر میں تعمیر کریں گے. چپ GPU کے مقابلے میں 280 گنا زیادہ موثر ہو گا، اور فی مربع ملٹی میٹر کمپیوٹیکل پاور CPU کے 100 گنا ہو جائے گا. یہ قابل ذکر ہے کہ محققین ابھی تک مکمل چپ نہیں بناتے ہیں.
اگرچہ حقیقی پی سی ایم یونٹس ٹیسٹ میں استعمال کیا جاتا تھا، کمپیوٹر پر دوسرے اجزاء کو نقل کیا گیا تھا. ابرگویو نے کہا کہ وہ یہ جاننے کی امید رکھتے ہیں کہ یہ طریقہ ایک مکمل چپ کی تعمیر میں وقت اور کوشش کا سرمایہ کرنے سے پہلے ممکن ہے. حقیقی پی سی ایم کے سامان کا استعمال کرنے کا فیصلہ کیا، کیونکہ ان آلات کا تخروپن ابھی تک قابل اعتماد نہیں ہے، لیکن دوسرے اجزاء کی اینجالیک ٹیکنالوجی پہلے سے ہی بالغ ہو جاتی ہے، وہ اس ڈیزائن پر مبنی ایک مکمل چپ تعمیر کرنے پر اعتماد رکھتے ہیں.
ابرگویو نے کہا کہ یہ صرف GPUs کے ساتھ مکمل طور سے مربوط نیورل نیٹ ورک پر مقابلہ کرسکتا ہے. اس اعصابی نیٹ ورک میں، ہر نیورون اوپری پرت کے نیوروں سے منسلک ہوتا ہے. لیکن حقیقت میں، بہت سے نیند نیٹ ورکس مکمل طور سے منسلک نہیں ہیں. یا صرف کچھ تہوں کو مکمل طور پر مل کر منسلک کیا جاتا ہے.
لیکن Ambrogio پراسیسنگ کا حساب لگانے کے عمل کو مکمل طور پر دیگر کنکشن جبکہ تہوں منسلک کیا جا سکتا ہے تاکہ حتمی چپ، GPU کے ساتھ تعاون میں بنانے کے لئے ڈیزائن کیا جائے گا. انہوں نے یہ بھی خیال ہے کہ اس عمل کو زیادہ موثر طریقہ کار کو مکمل طور پر مربوط پرت ہو سکتا ہے زیادہ پیمانے پر استعمال کیا جاتا ہے.
کچھ ممکن بنا سکتے ہیں جس طرح ایک خاص چپ؟
ایک، ذاتی آلات پر لاگو مصنوعی ذہانت ہے، اور دوسرا ڈیٹا سینٹر زیادہ موثر بڑی ٹیکنالوجی کمپنیوں ایک اہم مسئلہ ہے جو ان کے سرورز بجلی کی ایک بہت بسم کیونکہ بنانا: Ambrogio دو اہم ایپلی کیشنز نے کہا.
اگر مصنوعی انٹیلی جنس براہ راست ذاتی آلات پر لاگو ہوتا ہے، تو صارفین بادل میں ان کے ڈیٹا کو اشتراک کرنے کی بجائے ان کی رازداری کو محفوظ کرسکتے ہیں، لیکن آبروگیوو نے کہا کہ زیادہ دلچسپ امکان مصنوعی انٹیلی جنس کی ذاتییت ہے.
انہوں نے کہا: 'آپ کی گاڑی یا اسمارٹ فون پر اس نئیرل نیٹ ورک کو لاگو کرکے، وہ آپ کے تجربے سے سیکھ سکتے ہیں.'
'آپ کے موبائل فون کو آپ کی آواز کے لئے ذاتی طور پر رکھا جائے گا، آپ کی گاڑی آپ کی عادات پر مبنی ایک منفرد ڈرائیونگ سٹائل بنائے گی.'