很多文章的报道都是由微观而宏观，今日小编讲给大家带来的关于新的架构将使人工智能可以负载更多数据 的资讯也不例外，希翼可以在一定的程度上开阔你们的视野！y有对新的架构将使人工智能可以负载更多数据 这篇文章感兴趣的小伙伴可以一起来看看
IBM研究人员正在开辟一种新的计算机体系结构，使其能够更好地处理来自人工智能的更多数据负载。他们的设计借鉴了人脑的概念，在比较研究中明显优于传统计算机。他们在《应用物理杂志》上报告了他们最近的发现。
当今的计算机以1940年代开辟的冯·诺依曼(von Neumann)架构为基础。冯·诺依曼计算系统具有执行逻辑和算术的中央处理器，存储单元，存储以及输入和输出设备。与传统计算机中的瘦腿部件不同，作者提出，灵感来自大脑的计算机可以具有共存的处理和存储单元。
该论文的作者阿布·塞巴斯蒂安(Abu Sebastian)解释说，在计算机内存中执行某些计算任务将提高系统的效率并节省能源。
塞巴斯蒂安说：“如果看人类，我们的计算功率为20至30瓦，而当今的AI是基于以千瓦或兆瓦功率运行的超级计算机的。” “在大脑中，突触既计算又存储信息。在冯·诺依曼之外的新架构中，内存在计算中必须发挥更加积极的作用。”
IBM团队从大脑中吸收了三个不同层次的灵感。第一级利用存储设备的状态动态来在内存本身中执行计算任务，类似于如何将大脑的内存和处理置于同一位置。第二级利用大脑的突触网络结构作为相变记忆(PCM)设备阵列的灵感，以加快深度神经网络的训练。最后，神经元和突触的动态性和随机性激发了团队为尖刺神经网络创建强大的计算基础。
相变存储器是一种纳米级存储设备，由夹在电极之间的Ge，Te和Sb化合物构建。这些化合物根据其原子排列表现出不同的电性能。例如，在无序相中，这些材料表现出高电阻率，而在结晶相中，它们表现出低电阻率。
通过施加电脉冲，研究人员调节了结晶相和非晶相中材料的比例，因此相变存储器件可以支持延续的电阻或电导。这种模拟存储更好地类似于非二进制生物突触，并使更多信息可以存储在单个纳米级设备中。
Sebastian和他的IBM同事在对这些拟议系统的效率进行比较研究时遇到了令人惊讶的结果。“我们向来期望这些系统在某些任务上会比传统的计算机系统好得多，但是我们惊讶的是其中一些方法的效率更高。”
去年，他们在常规计算机和基于相变存储设备的原型计算存储平台上运行了无监督的机器学习算法。“ 与传统的计算系统相比，相变存储器计算系统的性能提高了200倍。” 塞巴斯蒂安说。“我们向来都知道它们会高效，但是我们并不期望它们有这么大的表现。” 该团队继续基于大脑启示的概念来构建原型芯片和系统。
