IBM は人工知能にアナログ コンピューティングを使用して AI コンピューティングを再構築します

IBM は、人工知能の計算方法を再構築する方法を研究してきました。 IBMの研究者は、人工知能（AI）にアナログ・コンピューティングを使用する画期的な進歩について説明した論文を発表した。

人工知能システムを構築する場合、データ モデルをトレーニングする必要があります。これは、猫のさまざまな特徴を表す画像データなど、トレーニング データのさまざまなサブセットにさまざまな重みを割り当てることです。

従来の (デジタル) コンピューターで人工知能システムをトレーニングする場合、人工知能モデルはメモリ内に分散して保存されます。コンピューティングタスクでは、メモリと処理ユニットの間でデータを継続的に転送する必要があります。 IBMによれば、このプロセスによりコンピューティングの速度が低下し、達成可能なエネルギー効率が制限されるという。

人工知能にアナログ コンピューティングを使用すると、デジタル コンピューター上で実行される人工知能と同じ結果を達成するためのより効率的な方法が提供される可能性があります。 IBM は、シミュレートされたインメモリ コンピューティング、またはシミュレートされた人工知能を、生物学的な脳のニューラル ネットワークがどのように動作するかの重要な機能を借用するテクノロジーとして定義しています。研究者らによると、人間や他の多くの動物の脳では、重みと呼ばれるシナプスの強さがニューロン間の通信を決定しているという。

シミュレーションされた人工知能システムでは、これらのシナプスの重みは、相変化メモリ (PCM) などのナノスケールの抵抗メモリデバイスのコンダクタンス値にその場で保存される、と IBM は述べています。その後、それらはディープ ニューラル ネットワークで累積乗算演算を実行するために使用されます。

IBM は、このテクノロジーにより、メモリとプロセッサ間でデータを常に送信する必要性を軽減できると述べています。

Nature Electronics に掲載された論文の中で、IBM Research は、さまざまなディープ ニューラル ネットワーク (DNN) 推論タスクを実行できる混合信号アナログ人工知能チップを紹介しました。 IBMによると、これはテストにおいてデジタルチップと同様にコンピュータービジョンAIタスクを実行する初のアナログチップであり、後者よりもエネルギー効率が高いという。

このチップは、IBM のアルバニー ナノテクノロジー センターで製造されています。これは 64 個のアナログ メモリ コンピューティング コア (またはチップ) で構成されており、各コアには 256 x 256 のシナプス セルのクロスバー アレイが含まれています。 IBMによると、アナログデータとデジタルデータの間で変換を行うため、時間ベースのアナログデジタルコンバーターが各チップに統合されているという。各チップには軽量のデジタル処理ユニットも統合されており、IBMによれば、非線形ニューロン活性化機能とスケーリング操作を実行できるという。

IBM は、各チップが DNN モデルの層に関連する計算を実行できると述べました。この論文の著者らは、「このチップを使用して、アナログ メモリ コンピューティングの計算精度に関する最も包括的な研究を実施し、CIFAR-10 画像データ セットで 92.81% の精度を達成しました。」と述べています。

以上がIBM は人工知能にアナログ コンピューティングを使用して AI コンピューティングを再構築しますの詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。