Зачем это нужно?
Периферийные устройства — от автономных автомобилей до медицинских сенсоров — всё чаще требуют ИИ, который умеет не только быстро принимать решения, но и адаптироваться к новым данным прямо на месте. Проблема в том, что существующие типы памяти всегда умели что-то одно:
- Мемристоры отлично справляются с выводом (инференсом) — они энергоэффективны и хранят аналоговые веса, но плохо подходят для постепенного обучения.
- Сегнетоэлектрические конденсаторы (FeCAPs) хороши для быстрой и экономичной записи, но их чтение разрушает данные, делая их непригодными для вывода.
Инженерам приходилось выбирать: либо дешёвый и быстрый вывод с обучением «в облаке», либо дорогое и ограниченное обучение прямо на чипе.
Гибридный подход
Команда французских учёных предложила унифицированный стек памяти, где одно и то же устройство может работать и как мемристор, и как FeCAP — в зависимости от того, как его электрически настроить.
- Вывод выполняется через аналоговые веса в мемристорах.
- Обновления весов происходят с помощью более точных FeCAP.
- Мемристоры периодически перепрограммируются на основе данных из FeCAP, что обеспечивает стабильное и точное обучение.
Таким образом, система сочетает энергоэффективность мемристоров с точностью сегнетоэлектрической памяти.
Что получилось
Новый стек был изготовлен на массиве из 18 432 устройств по стандартной 130-нм CMOS-технологии. В одном чипе оказались объединены оба типа памяти и управляющая периферия.
Эксперименты показали, что чип способен обучать нейросети прямо на кристалле с конкурентоспособной точностью, не прибегая к облачным вычислениям. Это открывает путь к появлению энергоэффективных и долговечных систем Edge AI, которые смогут работать в реальном времени, адаптироваться к новым задачам и при этом экономить батарею и ресурсы.
Источник: https://www.newelectronics.co.uk/content/news/first-hybrid-memory-technology-enables-on-chip-ai-lear...Если вам понравился материал, кликните значок - вы поможете нам узнать, каким статьям и новостям следует отдавать предпочтение. Если вы хотите обсудить материал - не стесняйтесь оставлять свои комментарии : возможно, они будут полезны другим нашим читателям!
