自然新闻文章
2023年10月19日
IBM的NorthPole处理器回避了访问外部存储器的需要，提高了计算能力并节省了能源。
戴维·卡斯特尔韦奇
IBM开发的NorthPole芯片将内存和处理功能结合在一起，极大地改善了图像识别和其他计算任务。
加利福尼亚州圣何塞的IBM研究人员开发出一种受大脑启发的计算机芯片，可以通过更快的工作速度和更低的功耗来增强人工智能(AI)。他们的大规模NorthPole处理器芯片消除了频繁访问外部存储器的需要，因此执行图像识别等任务的速度比现有架构更快，同时功耗也大大降低。 “它的能源效率令人震惊，”巴黎大学纳米电子学研究员达米安·奎里奥斯说。他说，发表在《科学》杂志上的这项工作表明，计算和记忆可以大规模集成。"我觉得这篇论文将动摇计算机体系结构中的普遍思维." NorthPole运行神经网络:简单计算单元的多层阵列，通过编程识别数据中的模式。底层接收数据，例如图像中的像素；每个连续的层检测复杂性增加的模式，并将信息传递到下一层。顶层产生一个输出，例如，可以表达一幅图像包含一只猫、一辆汽车或其他物体的可能性。
因瓶颈而变慢 一些计算机芯片可以有效地处理这些计算，但它们仍然需要在每次计算一层时使用名为RAM的外部存储器。以这种方式在芯片之间穿梭数据会降低速度——这种现象被称为冯·诺依曼瓶颈，以数学家约翰·冯·诺依曼的名字命名，他首先构想了基于一个处理单元和一个独立存储单元的计算机标准架构。 冯·诺依曼瓶颈是减缓计算机应用(包括人工智能)的最重要因素之一。它还会导致能源效率低下。这项研究的合著者达曼德拉·莫德哈是IBM的一名计算机工程师，他说他曾经估计在这种类型的架构上模拟一个人脑可能需要相当于12个核反应堆的输出。 NorthPole由256个计算单元或核心组成，每个计算单元或核心都包含自己的内存。“你正在减轻核心中的冯·诺依曼瓶颈，”Modha说，他是IBM在圣何塞的Almaden研究中心的大脑启发计算的首席科学家。 Modha说，这些核心在一个网络中连接在一起，这是受人类大脑皮层各部分之间白质连接的启发。这一设计原则和其他设计原则——其中大部分以前就存在，但从未结合到一个芯片上——使NorthPole在图像识别的标准基准测试中以相当大的优势击败了现有的人工智能机器。它还使用了最先进的人工智能芯片五分之一的能量，尽管没有使用最新和最小型化的制造工艺。作者估计，如果NorthPole设计采用最先进的制造工艺，其效率将比目前的设计高出25倍。 在正确的道路上 但是，即使NorthPole的224兆内存对于大型语言模型来说也是不够的，例如chatbot ChatGPT使用的那些语言模型，即使在最精简的版本中也要占用几千兆的数据。该芯片只能运行预先编程的神经网络，这些网络需要事先在单独的机器上进行“训练”。但该论文的作者表示，NorthPole架构可能在速度关键的应用中有用，如自动驾驶汽车。 NorthPole使内存单元在物理上尽可能靠近内核中的计算元件。在其他地方，研究人员一直在利用新材料和制造工艺开发更激进的创新。这使得存储单元本身能够执行计算，原则上可以进一步提高速度和效率。 上个月描述的另一种芯片使用忆阻器进行内存计算，忆阻器是一种能够在电阻和导体之间切换的电路元件。“这两种方法，IBM的和我们的，都有希望减少延迟和降低与数据传输相关的能源成本，”清华大学的高斌说，他是忆阻器研究的合著者。 另一种方法是由几个团队开发的——包括瑞士苏黎世的一个独立的IBM实验室——通过改变电路元件的晶体结构来存储信息。这些新方法是否能在经济上扩大规模还有待观察。doi:https://doi.org/10.1038/d41586-023-03267-0联系客服
