随着半导体公司积极寻求更有效处理AI和神经形态运算的方法，ReRAM以及其他新兴内存技术在过去一年来受到了广泛的关注……
随着半导体公司积极寻求更有效处理人工智能(AI)和神经形态运算要求的方法，电阻式随机存取内存(ReRAM)以及其他新兴内存技术在过去一年来受到了广泛的关注。
在去年12月初于旧金山举行的国际电子组件会议(IEDM)上，来自IBM等几家公司以及各大学发表的几篇研究论文中，都提到了在神经运算中采用了新兴内存。
长期观察内存市场的Objective Analysis首席分析师Jim Handy说：“支持神经形态运算的阵营对于这方面的进展感到振奋。我并不是指任何“新兴的内存技术”都能脱颖而出，但它们确实都拥有一些特质。关键就在于谁将率先找到能让市场更具意义的东西。”
神经形态应用是专为模拟人类大脑如何学习和处理信息而设计的，而ReRAM组件则有望实现高密度和最终可调整的神经形态架构，因为它们明显比现有的AI数据中心尺寸更小且更具高能效。它们还可模拟大脑在神经元和突触级的生物运算。
Handy说：“真正的美妙之处在于它可以大幅降低AI系统的成本和功耗。”
为此，Weebit Nano最近与德里印度理工学院(Indian Institute of Technology Delhi；IITD)的非挥发内存(NVM)部门携手展开一项合作研究计划，将Weebit的SiOx ReRAM技术应用于AI的计算机芯片。
带领IITD非挥发性记忆研究小组的该校电气工程系教授Manan Suri表示，该研究小组的目标在于创造一个“以NVM为中心的未来”(NVM-centric future)，让NVM的作用超越了简单的储存功能。目前的研究领域包括运算、感测和安全。IITD还开设了关于挥发性和非挥发性内存的专业课程，一些研究人员则参与该校物理系的NVM相关材料研究。此外，它还与IBM合作人工智能计划。
Suri表示，ReRAM和其他新兴NVM组件具有多种优势，例如非挥发性、CMOS兼容性、超高密度、简单的整合和制造，以及低成本，而且NVM组件对于实现AI硬件、加速器和神经形态硬件应用至关重要。他说：“这种记忆几乎可说是专用神经形态AI硬件系统成败的关键。因此，选择最先进的技术非常重要。”
德里印度理工学院(IITD)非挥发性记忆研究小组指导教授Manan Suri，带领研究小组创造“以NVM为中心的未来”
IITD经常与各产业和新创公司合作进行应用和初探性研究。Suri表示，Weebit是少数几家持续推进其ReRAM并开放与大学合作的公司之一。短期内，IITD希望这项研究能够有效实现高密度非挥发性神经形态电路。而从长期来看，他说，由于数据量不断地增加，将会需要越来越多的专用AI /神经形态芯片。“相较于通用CPU，专用的神经形态/AI硬件可望以更节能和可持续的方式解决庞大的数据问题。”
Weebit执行长Coby Hanoch表示，该公司的研究工作并未改变其SiOx ReRAM技术的商用计划，但希望确保能够充份利用其于先进应用的全部功能。与IITD的合作是保持Weebit技术领先的一种经济有效之道，他并看好其他类似的合作伙伴关系将是该公司未来发展的重要因素。让这项技术得以出样是重要的第一步。 Hanoch说：“这是我们参与的第一项实际计划，但绝对不是最后一项。我们已经和其他业者接触洽谈了。”
Weebit技术长Amir Regev表示，随着AI开始渗透到大家的日常生活中，拥有够有助于AI更快扩展的各种技术至关重要。特别是ReRAM对于AI应用更重要，因为它能够保持较小的外形，而且由于它能适应神经形态应用中出现人脑般的棘波(spike)，因而从功耗的角度来看也效运作。此外，他说，因为现在正是ReRAM在AI应用的早期阶段，因此尚未设定标准。“这是一片尚未开垦的绿地，不仅非常具有创新性，许多研究人员也正从其他不同的角度进行各种研究。”
编译：Susan Hong
您可能感兴趣
