近期IBM稱，通過采用基于相變存儲的模擬芯片，機器學習可以加速一千倍。相變存儲（PCM）是基于硫屬化物玻璃材料，能在施加合適電流時將介質從晶態變為非晶態并再變回晶態，基于材料所表現出來的導電性差異來存儲數據。PCM設備是非易失性的，訪問延遲達到DRAM級別，是存儲級內存一個很好的范例。

IBM博客透露，其正在建立一個研發中心，以開發新一代人工智能硬件并研究納米技術。技術合作伙伴包括紐約Staye，紐約州立大學理工學院，三星，Mellanox和Synopsis。

新型處理硬件

IBM研究院半導體和人工智能硬件副總裁，Mukesh Khare表示，目前的機器學習限制可以通過使用新的處理硬件來克服，例如;

數字化AI核心和近似計算

帶模擬內核的內存計算

采用優化材料的模擬核心

他提到將深度神經網絡（DNN）映射到模擬交叉點陣列（模擬AI核心）。它們在陣列交叉點處擁有非易失性存儲材料來存儲權重。

為了提高訓練過程中決策的準確性，DNN計算中的數值進行了加權。

這些因素無需主機服務器CPU干預，就可以直接用交叉點PCM陣列實現，從而提供內存計算，無需數據移動。相比英特爾XPoint SSD或DIMM等，這是一個模擬陣列。

PCM單元沿著非晶態和晶態之間的8步梯度記錄突觸權重。每個步驟的電導或電阻可以用電脈沖改變。這8個步驟在DNN計算中提供了8位精度。

非易失性存儲的交叉陣列可以通過在數據位置處執行計算來加速完全連接的神經網絡訓練。

模擬存儲器芯片內部的計算

IBM的研究論文指出：“模擬非易失性存儲器（NVM）可以有效地加速”反向傳播“算法，這是許多最新AI技術進步的核心。這些存儲器允許使用的“累積乘法”運算，在模擬域中權重數據的位置上，用基礎物理學進行并行化。

我們只需將一個小電流通過一個電阻器連接到一根電線上，然后將許多這樣的電線連接在一起，讓電流積聚起來。這樣我們不需要一個接一個地執行計算，而是可以同時執行許多計算。并且相比在數字存儲芯片和處理芯片之間花時間傳輸數據，我們可以在模擬存儲芯片內執行所有計算?！?/p>

PS：昨天對單身狗來說不是情人節，而是IBM從Computing Tabulating Recording計算列表紀錄公司改名為國際商業機器公司International Business Machines的日子——1924年2月14日。