IBM公司的PCM计算机能够告诉您是否有雨
IBM公司已经公布了一种新的内存计算机制:在相变存储器之内完成处理,而无需借助于外部CPU。
传统计算机制要求利用存储器进行数据保存,而其中的数据将被传递至外部处理器进行运算,得出的结果最初再被写入回存储器。这就是最基本的冯-诺依曼计算机架构,而明显可以看到存储器与计算资源之间存在着性能瓶颈。
如果某些计算任务能够在内存之中完成,则这一瓶颈将不复存在,计算速度也将更上一层楼。
不过内存当中并不包含处理器,因此必须利用存储器中的某些组件,具体取决于存储器中容纳的实际数据内容。此外,这种计算能力也将相当原始。
究竟要如何实现?
在本周发表于《自然通讯》杂志上的论文当中,IBM苏黎世研究院的工作人员们表示,可以在相变存储器(简称PCM)器件当中执行部分计算任务--这是因为此类器件在纳米尺度层面拥有丰富且光明的物理应用前景。PCM器件的单元会随OCM材料的内部状态变化而发生电阻降低,而当这些硫族化合物晶体由无定型晶体重新转变为规则晶体后,电阻将再次上升。
这种状态变化可由施加电流的方式实现,而测量单元电阻即可完成对二进制数值的读取。
蓝色巨人指出:"其基本思路在于不再将存储器视为被动的存储实体,而是利用存储器件的物理属性立足数据存储位置精确实现计算。"
关于PCM,IBM方面解释称"在应用电信号时,这些器件的导电电平动态演变将可用于执行计算任务……器件的导电能力根据电流输入变化而发生演变,而计算结果则将被记录在存储器阵列当中。"
研究人员们表示,当对PCM晶体状态或者相位施加足够高的电流(RESET脉冲)时,大部分材料因电流通过产生的热量而熔化; 但当电流停止后,其以淬火形式保持为非晶体状态。非晶体状态材料的量取决于RESET脉冲的幅度与持续时间,且单元之内存在温度变化梯度。
将单元转变为晶体状态的SET脉冲则同样需要升高其温度以实现结晶,但这一温度低于材料本身的熔点。这种具体状态变化方法被称为晶体动态。存储器单元中的非定型物质的量影响其实际导电率。
IBM公司还设计出一种算法,能够利用100万个PCM设备(单元)阵列检测PCM存储器设备之内各基于事件的数据流间的时间相关性,例如检测物联网设备中的信号是否存在。
其中采用的数学方法极度复杂,涉及诸如"非中心协方差矩阵"以及"集体势能"等术语,我们在本篇文章中就不详加论述了。
根据我们的设想,存储器中会进行一些随机分布的二进制计算进程,其中部分相关,部分不相关。这些进程以固定长度的连续间隔中表达为二进制中的1或者0。我们希望了解其中哪些相关而哪些不相关,从而在统计学层面对其加以分析。
每个进程会被分配给单一相变存储器单元。当进程取值为1时,则设置脉冲以施加到对应的PCM设备。选择SET脉冲的幅度或者时长与所有进程的瞬时和正成正比。通过监测存储器件的导电率,我们即可确定其中存在的相关组。
如此一来,我们即可计算各进程间的统计学相关性,并将结果存储在与存储器内数据驻留位置相同的PCM单元当中。
如何使用这项新技术?
研究人员们提出了这项技术的潜在适用场景:处理真实世界中的数据集,例如天气数据。其能够从气象站读取数据并作为一组包含时间序列的进程(值)。如果气象台宣布将在1小时内发生降雨,则赋值为1,否则则赋值为0。
蓝色巨人设计出的PCM计算设备可以通过一组气象站进程值随时间推移的关联情况来判断是否会发生降雨。
他们得出的结论是,通过使用此类PCM计算存储器模块,相较于使用4套最先进的GPU设备,春能够将相关检测任务加速200倍。另外,这套方案还能够将能源消耗率降低两个数量级。
研究人员们宣称,这种纳米级计算与存储共同体将能够实现超高密度、低功耗与大规模并行计算系统。
备注: 此项研究成果由IBM苏黎世研究院的Abu Sebastian、Tomas Tuma、Nikolaos Papandreou、Manuel Le Gallo、Lukas Kull、Thomas Parnell以及Evangelos Eleftheriou共同完成,论文发表在《自然通讯》杂志之上。
好文章,需要你的鼓励
CIO们正面临众多复杂挑战,其多样性值得关注。除了企业安全和成本控制等传统问题,人工智能快速发展和地缘政治环境正在颠覆常规业务模式。主要挑战包括:AI技术快速演进、IT部门AI应用、AI网络攻击威胁、AIOps智能运维、快速实现价值、地缘政治影响、成本控制、人才短缺、安全风险管理以及未来准备等十个方面。
北航团队发布AnimaX技术,能够根据文字描述让静态3D模型自动生成动画。该系统支持人形角色、动物、家具等各类模型,仅需6分钟即可完成高质量动画生成,效率远超传统方法。通过多视角视频-姿态联合扩散模型,AnimaX有效结合了视频AI的运动理解能力与骨骼动画的精确控制,在16万动画序列数据集上训练后展现出卓越性能。
过去两年间,许多组织启动了大量AI概念验证项目,但失败率高且投资回报率令人失望。如今出现新趋势,组织开始重新评估AI实验的撒网策略。IT观察者发现,许多组织正在减少AI概念验证项目数量,IT领导转向商业AI工具,专注于有限的战略性目标用例。专家表示,组织正从大规模实验转向更专注、结果导向的AI部署,优先考虑能深度融入运营工作流程并产生可衡量结果的少数用例。
这项研究解决了AI图片描述中的两大难题:描述不平衡和内容虚构。通过创新的"侦探式追问"方法,让AI能生成更详细准确的图片描述,显著提升了多个AI系统的性能表现,为无障碍技术、教育、电商等领域带来实用价值。