IBM은 인공 지능이 계산하는 방식을 바꾸는 방법을 연구해 왔습니다. IBM 연구원들이 인공 지능(AI)에 아날로그 컴퓨팅을 사용하는 획기적인 방법을 설명하는 논문을 발표했습니다.
인공지능 시스템을 구축할 때는 데이터 모델을 학습해야 합니다. 고양이의 다양한 특성을 설명하는 이미지 데이터와 같은 훈련 데이터의 다양한 하위 집합에 서로 다른 가중치를 할당하는 것입니다.
기존(디지털) 컴퓨터에서 AI 시스템을 훈련할 때 AI 모델은 메모리에 분산되어 저장됩니다. 컴퓨팅 작업에는 메모리와 처리 장치 간의 지속적인 데이터 전송이 필요합니다. IBM은 이 프로세스로 인해 컴퓨팅 속도가 느려지고 달성할 수 있는 에너지 효율성이 제한된다고 말합니다.
인공지능에 아날로그 컴퓨팅을 사용하면 디지털 컴퓨터에서 실행되는 인공지능과 동일한 결과를 얻는 더 효율적인 방법을 제공할 수 있습니다. IBM은 시뮬레이션된 인메모리 컴퓨팅 또는 시뮬레이션된 인공 지능을 생물학적 두뇌의 신경 네트워크가 작동하는 방식의 주요 기능을 차용하는 기술로 정의합니다. 연구자들은 인간과 다른 많은 동물의 뇌에서는 무게라고 불리는 시냅스의 강도가 뉴런 간의 의사소통을 결정한다고 말합니다.
IBM은 시뮬레이션된 인공 지능 시스템에서 이러한 시냅스 가중치가 상변화 메모리(PCM)와 같은 나노 규모 저항성 메모리 장치의 컨덕턴스 값에 저장된다고 밝혔습니다. 그런 다음 심층 신경망에서 누적 곱셈 연산을 수행하는 데 사용됩니다.
IBM은 이 기술을 사용하면 메모리와 프로세서 간에 지속적으로 데이터를 전송해야 하는 필요성을 줄일 수 있다고 말합니다.
Nature Electronics에 게재된 논문에서 IBM Research는 다양한 심층 신경망(DNN) 추론 작업을 실행할 수 있는 혼합 신호 아날로그 인공 지능 칩을 소개했습니다. IBM에 따르면 이 칩은 테스트에서 컴퓨터 비전 AI 작업은 물론 디지털 칩도 수행하는 최초의 아날로그 칩으로 후자보다 에너지 효율성이 더 높다고 합니다.
칩은 IBM Albany Nanotechnology Center에서 제조됩니다. 이는 64개의 아날로그 메모리 컴퓨팅 코어(또는 칩)로 구성되며, 각 코어에는 시냅스 셀의 256 x 256 크로스바 배열이 포함되어 있습니다. IBM은 아날로그와 디지털 데이터 간 변환을 위해 시간 기반 아날로그-디지털 변환기가 각 칩에 통합되어 있다고 밝혔습니다. 또한 각 칩에는 IBM이 비선형 뉴런 활성화 기능과 확장 작업을 수행할 수 있는 경량 디지털 처리 장치가 통합되어 있습니다.
IBM은 각 칩이 DNN 모델의 레이어와 관련된 계산을 수행할 수 있다고 밝혔습니다. 논문의 저자는 "이 칩을 사용하여 아날로그 메모리 컴퓨팅의 계산 정확도에 대한 가장 포괄적인 연구를 수행했으며 CIFAR-10 이미지 데이터 세트에서 92.81%의 정확도를 달성했습니다."라고 말했습니다.
위 내용은 IBM은 인공 지능용 아날로그 컴퓨팅을 사용하여 AI 컴퓨팅을 재구성합니다.의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!