参考消息网11月6日报道 据美国趣味科学网站11月2日报道,科研人员开发出一种新型存储单元,它既能存储信息,又能进行高速、高效的运算。
科研团队在10月23日一期的英国《自然-光子学》杂志上发文称,这种存储单元允许用户在存储阵列中进行高速运算。更快的处理速度和低能耗有助于扩大人工智能(AI)系统数据中心的规模。
论文作者之一、美国匹兹堡大学电气和计算机工程师内森·扬布拉德说:“扩大数据中心或者运算农场,需要投入大量电力和能源。这些设施有成千上万个图形处理器(GPU)在同时运行。而之前的解决方案不一定着眼于提高效率,只是去采购越来越多GPU,消耗越来越多电力。所以,如果光学能够解决一些同样的问题,而且以更有效、更快速的方式解决问题,那么我们就有望获得低功耗、高通量的机器学习系统。”
新型存储单元利用磁场引导外来的光信号沿顺时针或者逆时针方向穿过一个环形谐振器(谐振器可以增强特定波长光线的强度),再进入两个输出端口中的一个。根据每个输出端口的光强度,存储单元可以赋值0和1之间的一个数字,或者0和-1之间的一个数字。传统的存储单元只能给每个比特赋值0或者1,而新型存储单元能够赋以多个非整数值,每个存储单元最多可以存储3.5比特信息。
扬布拉德表示,沿逆时针和顺时针方向运行的光信号类似于“两个在田径场上朝着相反方向奔跑的人”,“总有一个人迎着风,一个人背着风,总有一个人跑得比另一个人更快”。他接着说道:“你相当于在比较这两个人在田径场上的跑步速度,这就使你基本上可以进行正数和负数编码。”
围绕环形谐振器的“跑步比赛”所产生的数值,可以用来加强或减弱人工神经网络中不同节点之间的连接(人工神经网络是以类似人脑的方式处理数据的机器学习算法)。扬布拉德表示,举例来讲,这些数据可以帮助人工神经网络识别图像中的物体。
传统计算机需要在中央处理器(CPU)进行运算,然后把结果发送给存储器。与之不同的是,新型存储单元可以在存储阵列内部进行高速运算。扬布拉德表示,在存储器内进行运算(存内计算)对于AI等需要快速处理大量数据的系统尤其有用。
科研团队还展示了这种新型磁光存储单元的耐用性。其论文指出,科研团队在新型存储单元上运行了超过20亿次擦写循环,没有观察到任何性能下降的迹象,这一耐擦写性能高达传统光存储技术的1000倍。扬布拉德介绍说,普通闪存的擦写周期在1万次和10万次之间。
扬布拉德表示,这项技术将最终帮助我们减少AI系统的耗电量。(编译/刘子彦)
扬布拉德在其位于美国匹兹堡大学的实验室中操作仪器(扬布拉德光子学实验室网站)