Дигиталният дизайн на ежедневните ни компютри е добър за четене на имейли и игри, но днешните компютри за решаване на проблеми работят с огромни количества данни. Способността както да съхранявате, така и да обработвате тази информация може да доведе до проблеми с производителността поради начина, по който са изградени компютрите.
Следващата компютърна революция може да бъде нов вид хардуер, наречен обработка в паметта (PIM), нововъзникваща компютърна парадигма, която обединява паметта и процесора и прави своите изчисления, използвайки физическите свойства на машината -- не 1s или 0s, необходими за извършване на цифрова обработка.
Във Вашингтонския университет в Сейнт Луис изследователи от лабораторията на Сюан „Силвия“ Джан, доцент в факултета по електротехника и техника на Престън М. Грийн; Системно инженерство в Инженерното училище McKelvey, са проектирали нова PIM схема, която носи гъвкавостта на невронните мрежи в PIM изчисленията. Веригата има потенциала да увеличи производителността на PIM изчисленията с порядък отвъд настоящите теоретични възможности.
Тяхното изследване е публикувано онлайн на 27 октомври в списанието IEEE Transactions on Computers. Работата беше в сътрудничество с Li Jiang от Шанхайския университет Jiao Tong в Китай.
Компютрите с традиционен дизайн са изградени с помощта на архитектура на Фон Нойман. Част от този дизайн разделя паметта - където се съхраняват данните - и процесора - където се извършват действителните изчисления.
реклама„Компютърните предизвикателства днес изискват много данни“, каза Джан. „Трябва да обработим тонове данни, което създава затруднения в производителността на интерфейса на процесора и паметта.“
PIM компютрите имат за цел да заобиколят този проблем чрез сливане на паметта и обработката в едно цяло.
Изчисляването, особено изчисленията за днешните алгоритми за машинно обучение, е по същество сложна – изключително сложна – поредица от събиране и умножение. В традиционен, цифров централен процесор (CPU) това се прави с помощта на транзистори, които основно са управлявани от напрежението гейтове, позволяващи или да тече ток, или да не тече. Тези две състояния представляват съответно 1 и 0. С помощта на този цифров код -- двоичен код -- процесорът може да направи всяка аритметика, необходима за работата на компютъра.
Видът PIM, върху който работи лабораторията на Джан, се нарича PIM с резистивна памет с произволен достъп или RRAM-PIM. Докато в процесора битовете се съхраняват в кондензатор в клетка с памет, RRAM-PIM компютрите разчитат на резистори, откъдето идва и името. Тези резистори са както паметта и процесора.
Бонусът? „В резистивната памет не е нужно да превеждате в цифрова или двоична. Можете да останете в аналоговия домейн.“ Това е ключът към правенето на RRAM-PIM компютрите много по-ефективни.
реклама„Ако трябва да добавите, вие свързвате два тока“, каза Джан. „Ако трябва да умножите, можете да промените стойността на резистора.“
Но в един момент информацията трябва да бъде преведена в цифров формат, за да взаимодейства с технологиите, с които сме запознати. Това е мястото, където RRAM-PIM удари своето тясно място - преобразуване на аналоговата информация в цифров формат. Тогава Zhang и Weidong Cao, постдокторски научен сътрудник в лабораторията на Zhang, въведоха невронни апроксиматори.
„Невронният апроксиматор е изграден върху невронна мрежа, която може да апроксимира произволни функции“, каза Джан. Като се има предвид каквато и да е функция изобщо, невронният апроксиматор може да изпълнява същата функция, но подобрява своята ефективност.
В този случай екипът е проектирал невронни апроксиматорни вериги, които биха могли да помогнат за премахване на пречка.
В архитектурата RRAM-PIM, след като резисторите в напречната греда са направили своите изчисления, отговорите се превеждат в цифров формат. Това на практика означава сумиране на резултатите от всяка колона от резистори във верига. Всяка колона дава частичен резултат.
Всеки от тези частични резултати на свой ред трябва да бъде преобразуван в цифрова информация в това, което се нарича аналогово-цифрово преобразуване или ADC. Преобразуването е енергоемко.
Невронният апроксиматор прави процеса по-ефективен.
Вместо да добавя всяка колона една по една, невронната апроксиматорна верига може да извършва множество изчисления -- колони надолу, през колони или по какъвто начин е най-ефективен. Това води до по-малко ADC и повишена изчислителна ефективност.
Най-важната част от тази работа, каза Цао, беше да се определи до каква степен могат да намалят броя на цифровите преобразувания, случващи се по външния ръб на веригата. Те откриха, че веригите на невронните апроксиматори повишават ефективността, доколкото е възможно.
„Без значение колко аналогови частични суми, генерирани от колоните на RRAM напречната лента – 18 или 64 или 128 – имаме нужда само от едно аналогово към цифрово преобразуване“, каза Цао. „Използвахме хардуерна реализация, за да постигнем теоретичната ниска граница.“
Инженерите вече работят върху широкомащабни прототипи на PIM компютри, но са изправени пред няколко предизвикателства, каза Джан. Използването на невронните апроксиматори на Zhang и Cao би могло да елиминира едно от тези предизвикателства - тясното място, доказвайки, че тази нова компютърна парадигма има потенциал да бъде много по-мощна, отколкото предполага настоящата рамка. Не само един или два пъти по-мощен, но 10 или 100 пъти повече.
„Нашата технология ни позволява да се доближим една крачка до този вид компютър“, каза Джан.
