一種全合一的計算方法

普通的臺式電腦，筆記本電腦和智能手機，都有處理電腦和內存的處理器。他們被稱為馮·諾依曼系統，以物理學家和計算機科學家約翰·馮·諾依曼命名，他是現代數字計算領域的先驅。它們通過在存儲器和計算單元之間來回移動數據來工作;一個過程可以，而且經常是，最終變得緩慢而不是非常有效。

[[208602]]

至少，不像我們使用“計算性記憶”那樣快或有效率。也被稱為“內存計算”，計算內存允許使用計算機系統內存的物理屬性來存儲和處理信息。

IBM Research的一個團隊聲稱，他們成功地使用了100萬相變存儲器(PCM)設備來運行無監督機器學習算法，從而在計算內存方面取得了突破。這項研究的細節已經發表在《自然通訊》雜志上。

IBM團隊的PCM設備是由一種鍺銻碲合金制成的，它被堆疊在兩個電極之間。IBM Research ' s blog上的一篇文章稱:“[T]他的原型技術有望在速度和能源效率上提高200倍，這使得它非常適合于在人工智能領域應用超高密度、低功耗和大規模并行計算系統。”

[[208603]]

適合的人工智能

新的PCM裝置可以通過結晶動力學進行計算。從本質上講，這涉及到一種電流被應用到PCM的材料上，它將其狀態從無序的原子排列變成了有序的結構——即晶體。IBM團隊使用了兩個基于時間的例子演示了他們的PCM技術，然后與傳統的機器學習方法進行了比較。

顯然，執行計算的能力將使所有計算機性能受益。對于IBM來說，這意味著人工智能應用程序的計算能力更強。“這是我們研究人工智能的一個重要步驟，它探索了新的硬件材料、設備和架構，”IBM研究員和研究的合作者Evangelos Eleftheriou在博客中引用的一份聲明中說。

[[208604]]

計算性記憶為信息的“實時”處理提供了一個機會;在當今世界，越來越多的公司開始重視數據分析。與此同時，像亞馬遜(Amazon)和谷歌(谷歌)這樣的行業巨頭在其業務的中心，更快地計算人工智能應用程序確實是一個可喜的發展。

對于IBM來說，內存中的計算是關鍵。“迄今為止，記憶一直被視為我們儲存信息的地方。”但在這項工作中，我們最終證明了我們如何利用這些記憶裝置的物理原理來執行相當高水平的計算原語，”主要作者阿布·塞巴斯蒂安說。“計算結果也存儲在記憶設備中，在這個意義上，這個概念被大腦計算的方式所激發。”