I ricercatori IBM stanno sviluppando una nuova architettura di computer, meglio equipaggiato per gestire un aumento dei carichi di dati dall'intelligenza artificiale. I loro progetti si basano su concetti del cervello umano e superano in modo significativo le prestazioni dei computer convenzionali negli studi comparativi. Riferiscono sulle loro recenti scoperte nel Rivista di fisica applicata .

I computer di oggi sono costruiti sull'architettura di von Neumann, sviluppato negli anni '40. I sistemi di calcolo Von Neumann dispongono di un processore centrale che esegue la logica e l'aritmetica, un'unità di memoria, Conservazione, e dispositivi di input e output. A differenza dei componenti del tubo da stufa nei computer convenzionali, gli autori propongono che i computer ispirati al cervello potrebbero avere elaborazione e unità di memoria coesistenti.

Abu Sebastian, un autore sulla carta, ha spiegato che l'esecuzione di determinate attività computazionali nella memoria del computer aumenterebbe l'efficienza del sistema e risparmierebbe energia.

"Se guardi gli esseri umani, calcoliamo con 20-30 watt di potenza, considerando che l'intelligenza artificiale oggi si basa su supercomputer che funzionano con kilowatt o megawatt di potenza, "Sebastian ha detto. "Nel cervello, le sinapsi sono sia l'elaborazione che la memorizzazione delle informazioni. In una nuova architettura, andando oltre von Neumann, la memoria deve svolgere un ruolo più attivo nell'informatica".

Il team IBM ha attinto a tre diversi livelli di ispirazione dal cervello. Il primo livello sfrutta la dinamica dello stato di un dispositivo di memoria per eseguire compiti computazionali nella memoria stessa, simile a come la memoria e l'elaborazione del cervello sono co-localizzate. Il secondo livello attinge alle strutture della rete sinaptica del cervello come ispirazione per array di dispositivi di memoria a cambiamento di fase (PCM) per accelerare l'addestramento per le reti neurali profonde. Infine, la natura dinamica e stocastica dei neuroni e delle sinapsi ha ispirato il team a creare un potente substrato computazionale per lo spunto delle reti neurali.

La memoria a cambiamento di fase è un dispositivo di memoria su scala nanometrica costruito da composti di Ge, Te e Sb inseriti tra gli elettrodi. Questi composti presentano proprietà elettriche diverse a seconda della loro disposizione atomica. Per esempio, in una fase disordinata, questi materiali presentano un'elevata resistività, mentre in una fase cristallina mostrano una bassa resistività.

Applicando impulsi elettrici, i ricercatori hanno modulato il rapporto del materiale nelle fasi cristallina e amorfa in modo che i dispositivi di memoria a cambiamento di fase potessero supportare un continuum di resistenza elettrica o conduttanza. Questa memoria analogica assomiglia meglio a quella non binaria, sinapsi biologiche e consente di archiviare più informazioni in un singolo dispositivo su nanoscala.

Sebastian ei suoi colleghi IBM hanno riscontrato risultati sorprendenti nei loro studi comparativi sull'efficienza di questi sistemi proposti. "Ci siamo sempre aspettati che questi sistemi fossero molto migliori dei sistemi informatici convenzionali in alcune attività, ma siamo rimasti sorpresi di quanto fossero più efficienti alcuni di questi approcci".

L'anno scorso, hanno eseguito un algoritmo di apprendimento automatico non supervisionato su un computer convenzionale e un prototipo di piattaforma di memoria computazionale basata su dispositivi di memoria a cambiamento di fase. "Potremmo ottenere prestazioni 200 volte più veloci nei sistemi di elaborazione della memoria a cambiamento di fase rispetto ai sistemi di elaborazione convenzionali". disse Sebastiano. "Abbiamo sempre saputo che sarebbero stati efficienti, ma non ci aspettavamo che avessero prestazioni così elevate." Il team continua a costruire prototipi di chip e sistemi basati su concetti ispirati al cervello.