本周在IEEE國際電子元件會議上，IBM研究院（IBM Research）公布了在“計算內(nèi)存架構(gòu)”方面所取得的一項突破性成果，該架構(gòu)可以為混合云平臺中的人工智能計算工作負載實現(xiàn)卓越的性能水平。

研究人員開發(fā)出了號稱第一個嵌入式磁阻隨機存取存儲器（Magnetoresistive Random-Access Memory）技術(shù)，采用14納米架構(gòu)，并稱其是Spin Transfer Torque MRAM（STT-MRAM），這一新架構(gòu)有助于解決數(shù)據(jù)密集型混合云和AI工作負載中的關(guān)鍵內(nèi)存瓶頸。

IBM在博客文章中表示，隨著企業(yè)將那些要求最苛刻的工作負載遷移到混合云平臺，他們將面臨“計算內(nèi)存瓶頸”的問題，這是由于系統(tǒng)中處理器比現(xiàn)有內(nèi)存系統(tǒng)速度快得多而導致內(nèi)存短缺的問題。

IBM表示，這種新型STT-MRAM架構(gòu)可以解決內(nèi)存和處理器之間的瓶頸，實現(xiàn)更高的內(nèi)存性能。

STT-MRAM利用電子自旋將數(shù)據(jù)存儲在磁疇中，并將靜態(tài)RAM的高速度與傳統(tǒng)DRAM的更高密度結(jié)合在一起，從而提供了一種更可靠的內(nèi)存架構(gòu)。IBM表示，最后一級CPU緩存中部署STT-MRAM，將可以減少數(shù)據(jù)密集型工作負載所需的內(nèi)存讀寫操作，從而降低系統(tǒng)延遲和功耗，同時增加帶寬。

IBM在今日發(fā)表的白皮書中稱，這項14納米嵌入式STT-MRAM CMOS技術(shù)是有史以來最先進的MRAM系統(tǒng)，將為混合云中的AI工作負載提供一個“效率更高、性能更高的系統(tǒng)”。

IBM在另外一份白皮書詳細介紹了這個新型架構(gòu)所使用的高級磁性材料，這種材料讓STT-MRAM系統(tǒng)具有更高的密度，存儲量是原來的兩倍，從而大大提高了數(shù)據(jù)恢復性能。

IBM還透露了有關(guān)“模擬內(nèi)存計算”研究的最新信息，這種技術(shù)將計算和內(nèi)存結(jié)合到單一設(shè)備中，用于處理要求更為苛刻的AI工作負載。IBM說，這種專有硬件可以用于訓練越來越復雜的AI模型，能效大幅提升。

打造用于AI的專用模擬內(nèi)存計算硬件，面對的挑戰(zhàn)之一，就是“突觸權(quán)重映射問題”。突觸權(quán)重用于指示神經(jīng)網(wǎng)絡(luò)中兩個節(jié)點之間的連接強度，需要將其精確地映射到模擬非易失性內(nèi)存設(shè)備上，以實現(xiàn)深度學習推理，但做到這一點面臨巨大挑戰(zhàn)，IBM說。

IBM在第一份題為《相變內(nèi)存設(shè)備中進行深度學習推理編程的突觸權(quán)重精確度》白皮書中討論了依賴于脈沖編碼調(diào)制的、基于模擬電阻的存儲設(shè)備如何用于解決這一映射難題，并描述了一種通過分析和通過陣列級實驗準確映射突觸權(quán)重的方法。

在另外一份題為《“無輔助的真實模擬神經(jīng)網(wǎng)絡(luò)訓練芯片》的白皮書描述了IBM模擬神經(jīng)網(wǎng)絡(luò)芯片的概念，其本質(zhì)上是一種“電阻處理單元”（RPU），具有出色的實時性能，堪比同類的數(shù)字系統(tǒng)，從而在運行AI推理時可實現(xiàn)承諾的“模擬優(yōu)勢”。
責編AJX