p Os pesquisadores da IBM estão desenvolvendo uma nova arquitetura de computador, melhor equipado para lidar com o aumento da carga de dados da inteligência artificial. Seus projetos baseiam-se em conceitos do cérebro humano e superam significativamente os computadores convencionais em estudos comparativos. Eles relatam suas descobertas recentes no Journal of Applied Physics . p Os computadores de hoje são construídos na arquitetura de von Neumann, desenvolvido na década de 1940. Os sistemas de computação Von Neumann apresentam um processador central que executa lógica e aritmética, uma unidade de memória, armazenar, e dispositivos de entrada e saída. Ao contrário dos componentes da chaminé em computadores convencionais, os autores propõem que os computadores inspirados no cérebro podem ter unidades de processamento e memória coexistentes.

p Abu Sebastian, um autor no papel, explicou que a execução de certas tarefas computacionais na memória do computador aumentaria a eficiência do sistema e economizaria energia.

p "Se você olhar para os seres humanos, calculamos com 20 a 30 watts de potência, enquanto a IA hoje é baseada em supercomputadores que funcionam com quilowatts ou megawatts de potência, "Sebastian disse." No cérebro, sinapses são computação e armazenamento de informações. Em uma nova arquitetura, indo além de von Neumann, a memória tem que desempenhar um papel mais ativo na computação. "

p A equipe da IBM baseou-se em três níveis diferentes de inspiração do cérebro. O primeiro nível explora a dinâmica de estado de um dispositivo de memória para realizar tarefas computacionais na própria memória, semelhante a como a memória e o processamento do cérebro estão localizados. O segundo nível baseia-se nas estruturas de rede sináptica do cérebro como inspiração para arranjos de dispositivos de memória de mudança de fase (PCM) para acelerar o treinamento de redes neurais profundas. Por último, a natureza dinâmica e estocástica dos neurônios e sinapses inspirou a equipe a criar um poderoso substrato computacional para spiking redes neurais.

p A memória de mudança de fase é um dispositivo de memória em nanoescala construído a partir de compostos de Ge, Te e Sb imprensados ​​entre os eletrodos. Esses compostos exibem diferentes propriedades elétricas, dependendo de seu arranjo atômico. Por exemplo, em uma fase desordenada, esses materiais exibem alta resistividade, enquanto que em uma fase cristalina eles mostram baixa resistividade.

p Ao aplicar pulsos elétricos, os pesquisadores modularam a proporção do material nas fases cristalina e amorfa para que os dispositivos de memória de mudança de fase pudessem suportar um continuum de resistência elétrica ou condutância. Este armazenamento analógico se assemelha melhor ao não binário, sinapses biológicas e permite que mais informações sejam armazenadas em um único dispositivo em nanoescala.

p Sebastian e seus colegas da IBM encontraram resultados surpreendentes em seus estudos comparativos sobre a eficiência desses sistemas propostos. "Sempre esperamos que esses sistemas fossem muito melhores do que os sistemas de computação convencionais em algumas tarefas, mas ficamos surpresos com o quão mais eficientes algumas dessas abordagens eram. "

p Ano passado, eles executaram um algoritmo de aprendizado de máquina não supervisionado em um computador convencional e um protótipo de plataforma de memória computacional baseada em dispositivos de memória de mudança de fase. "Poderíamos alcançar um desempenho 200 vezes mais rápido nos sistemas de computação de memória de mudança de fase, em oposição aos sistemas de computação convencionais." Sebastian disse. "Sempre soubemos que seriam eficientes, mas não esperávamos que eles superassem tanto. ”A equipe continua a construir chips protótipos e sistemas baseados em conceitos inspirados no cérebro.