Los investigadores de IBM están desarrollando una nueva arquitectura informática, mejor equipado para manejar mayores cargas de datos de inteligencia artificial. Sus diseños se basan en conceptos del cerebro humano y superan significativamente a las computadoras convencionales en estudios comparativos. Informan sobre sus hallazgos recientes en el Revista de física aplicada .

Las computadoras de hoy se basan en la arquitectura von Neumann, desarrollado en la década de 1940. Los sistemas informáticos de Von Neumann cuentan con un procesador central que ejecuta lógica y aritmética, una unidad de memoria, almacenamiento, y dispositivos de entrada y salida. A diferencia de los componentes del tubo de la estufa en las computadoras convencionales, los autores proponen que las computadoras inspiradas en el cerebro podrían tener unidades de memoria y procesamiento coexistentes.

Abu Sebastian, un autor en el papel, Explicó que la ejecución de determinadas tareas computacionales en la memoria de la computadora aumentaría la eficiencia del sistema y ahorraría energía.

"Si miras a los seres humanos, calculamos con 20 a 30 vatios de potencia, Considerando que la IA actual se basa en supercomputadoras que funcionan con kilovatios o megavatios de potencia, "Sebastian dijo." En el cerebro, Las sinapsis calculan y almacenan información. En una nueva arquitectura, yendo más allá de von Neumann, la memoria tiene que desempeñar un papel más activo en la informática ".

El equipo de IBM se basó en tres niveles diferentes de inspiración del cerebro. El primer nivel explota la dinámica de estado de un dispositivo de memoria para realizar tareas computacionales en la propia memoria, similar a cómo se ubican la memoria y el procesamiento del cerebro. El segundo nivel se basa en las estructuras de la red sináptica del cerebro como inspiración para matrices de dispositivos de memoria de cambio de fase (PCM) para acelerar el entrenamiento de las redes neuronales profundas. Finalmente, la naturaleza dinámica y estocástica de las neuronas y las sinapsis inspiró al equipo a crear un poderoso sustrato computacional para aumentar las redes neuronales.

La memoria de cambio de fase es un dispositivo de memoria a nanoescala construido a partir de compuestos de Ge, Te y Sb intercalados entre electrodos. Estos compuestos exhiben diferentes propiedades eléctricas dependiendo de su disposición atómica. Por ejemplo, en una fase desordenada, estos materiales exhiben alta resistividad, mientras que en fase cristalina presentan baja resistividad.

Aplicando pulsos eléctricos, Los investigadores modularon la proporción de material en las fases cristalina y amorfa para que los dispositivos de memoria de cambio de fase pudieran soportar un continuo de resistencia eléctrica o conductancia. Este almacenamiento analógico se parece mejor a los no binarios, hace sinapsis biológicas y permite almacenar más información en un solo dispositivo a nanoescala.

Sebastian y sus colegas de IBM han encontrado resultados sorprendentes en sus estudios comparativos sobre la eficiencia de estos sistemas propuestos. "Siempre esperábamos que estos sistemas fueran mucho mejores que los sistemas informáticos convencionales en algunas tareas, pero nos sorprendió lo más eficientes que eran algunos de estos enfoques ".

El año pasado, ejecutaron un algoritmo de aprendizaje automático sin supervisión en una computadora convencional y un prototipo de plataforma de memoria computacional basada en dispositivos de memoria de cambio de fase. "Podríamos lograr un rendimiento 200 veces más rápido en los sistemas informáticos de memoria de cambio de fase en comparación con los sistemas informáticos convencionales". Dijo Sebastian. "Siempre supimos que serían eficientes, pero no esperábamos que tuvieran un rendimiento tan alto ”. El equipo continúa construyendo prototipos de chips y sistemas basados ​​en conceptos inspirados en el cerebro.