首页 >人工智能 > 内容

新技术有望解决人工智能的内存瓶颈

人工智能 2020-02-19 13:49:32

渴求内存、耗电的大数据可能最终达到了它的匹配。

西北大学(Northwestern University)和意大利梅西纳大学(University of Messina)的电气工程师开发了一种新的磁存储器装置,它可能支持以数据为中心的计算的激增,这需要不断增加的功率、存储和速度。

基于反铁磁(AFM)材料,该装置是有史以来最小的一种演示,并以创纪录的低电流操作来写入数据。

领导这项研究的西北大学的佩德拉姆·哈利利说:“大数据的兴起使人工智能(AI)得以在云端和边缘设备上出现,并从根本上改变了计算、网络和数据存储行业。”“然而,现有的硬件无法维持以数据为中心的计算的快速增长。我们的技术有可能解决这一挑战。”

这项研究将于2月10日发表在《自然电子》杂志上。

哈利利是西北大学麦考密克工程学院的电气和计算机工程副教授。他与墨西纳大学电气工程副教授乔瓦尼·费诺奇共同领导了这项研究。研究小组成员还包括麦考密克公司的电气和计算机工程教授马修·格雷森(Mat thew Grayson)。史嘉诚和维克多·洛佩兹-多明格斯都是哈利利实验室的成员,他们是论文的第一作者。

从许诺到可能

虽然人工智能提供了改善社会许多领域的希望,包括医疗保健系统、交通和安全,但只有计算能力能够支持它,它才能发挥其潜力。

理想情况下,AI需要当今内存技术的所有最好的部分:像静态随机访问存储器(SRAM)那样快的东西,并且具有类似于动态随机访问存储器(DRAM)或Flash的存储容量。此外,它还需要低功耗。

哈利利说:“没有现有的内存技术能够满足所有这些需求。“这导致了所谓的”内存瓶颈“,严重限制了当今AI应用的性能和能耗。”

为了迎接这一挑战,哈利利和他的合作者寻找AFM材料。在原子力显微镜材料中,由于称为“自旋”的量子力学性质,电子的行为就像小磁铁,但材料本身并没有显示宏观磁化,因为自旋是以反平行的方式排列的。

通常,存储设备需要电流来保留存储的数据。但是在AFM材料中,是磁有序的自旋来执行这个任务,所以不需要连续施加电流。作为一个额外的奖励,数据不能被外部磁场擦除。由于密集包装的设备不会与磁场相互作用,基于AFM的设备非常安全,易于缩小到小尺寸。

易于采用的技术

由于它们固有的快速和安全,并使用较低的功率,AFM材料已经在过去的研究中进行了探索。但以前的研究人员在控制材料内的磁序方面遇到了困难。

哈利利和他的团队使用了反铁磁铂锰的支柱-这是以前没有探索过的几何学。直径只有800纳米,这些支柱比早期基于AFM的存储设备小10倍。

重要的是,产生的设备与现有的半导体制造实践兼容,这意味着目前的制造公司可以很容易地采用新技术,而不必投资于新设备。

哈利利说:“这给AFM带来了更接近实际应用的内存——因此也带来了高规模、高性能的磁随机存取存储器(MRAM)。“这对行业来说是一件大事,因为今天对技术和材料的需求很大,可以扩大MRAM的规模和性能,并增加行业在这项技术上已经做出的巨大投资回报,从而将其带到制造业。”

哈利利的团队已经在为下一步的应用程序翻译做准备。

哈利利说:“我们现在正在努力进一步缩小这些装置的规模,并改进读出其磁性状态的方法。””我们还在研究更节能的方法,将数据写入原子力显微镜材料,例如用电压代替电流,这是一项具有挑战性的任务,可以进一步提高另一个数量级或更多的能效。


郑重声明:本文版权归原作者所有,转载文章仅为传播更多信息之目的,如作者信息标记有误,请第一时候联系我们修改或删除,多谢。