シングルメモリチップにより、デバイス上のトレーニング、予測データが可能になります

科学者は、同じチップでトレーニングと推論の両方を実行できる新しいメモリシステムを開発しました。センサー、医療モニター、ウェアラブルなどのエッジデバイスは、非常に低いエネルギー使用で人工知能をローカルに実行する必要があるため、この機能が必要です。この論文は、Nature Electronicsに掲載されています

現在のメモリテクノロジーは、両方のプロセスを一度に処理できません。トレーニングには低エネルギーコストの頻繁な更新が必要ですが、推論には損傷なしで何度も読むことができる安定したストレージが必要です。これまで、各タスクを実行するには個別のシステムが必要でした。これにより、エネルギー使用量が増加し、設計の複雑さが向上していました。

新しいデザインは、強誘電体コンデンサとメムリスタを単一のスタックに組み合わせています。Memristorは、抵抗がこれまで流れた総電荷に応じて変化する2末端の電子コンポーネントであるため、電力が除去された後も過去の流れを「思い出させます」。

前述のように、強誘電体コンデンサは頻繁に低コストの更新を可能にし、トレーニングに適しています。Memristorsは安定した繰り返し読み取りを提供し、推論に適しています。どちらも、半導体製造ですでに一般的な材料を使用して同じチップに統合されており、生産を簡素化します。

プロトタイプチップは、18,000を超えるデバイスで構築されました。ほとんどが強誘電体コンデンサとして機能し、数字が少ないため、メモリスタとして機能します。デジタル値はコンデンサに保存されますが、アナログ値はメモリスタに保存されます。データは、余分なコンバーターを必要とせずに2つの間に直接転送し、回路のサイズとエネルギー使用を削減します。

このシステムは、手書きの認識、ファッション画像分類、心臓信号の検出でテストされています。また、MobileNet-V2などの既存のAIモデルを使用して学習タスクを転送することにも適用されています。結果は、エネルギー使用を削減しながら、ソフトウェアモデルに近いパフォーマンスを示しています。間隔でのみメモリスタを更新すると、寿命が改善されます。