IBM utilise l'informatique analogique pour l'intelligence artificielle afin de remodeler l'informatique IA

IBM recherche des moyens de remodeler la façon dont l'intelligence artificielle calcule. Des chercheurs d'IBM ont publié un article décrivant une percée dans l'utilisation de l'informatique analogique pour l'intelligence artificielle (IA).

Lors de la construction d'un système d'intelligence artificielle, le modèle de données doit être entraîné. Il s'agit d'attribuer différents poids à différents sous-ensembles de données d'entraînement, telles que des données d'images décrivant différentes caractéristiques des chats.

Lors de la formation d'un système d'IA sur un ordinateur (numérique) traditionnel, le modèle d'IA est stocké de manière dispersée en mémoire. Les tâches informatiques nécessitent un transfert constant de données entre la mémoire et les unités de traitement. IBM affirme que ce processus ralentit le calcul et limite l'efficacité énergétique pouvant être atteinte.

L'utilisation de l'informatique analogique pour l'intelligence artificielle peut constituer un moyen plus efficace d'obtenir les mêmes résultats que l'intelligence artificielle exécutée sur des ordinateurs numériques. IBM définit l'informatique simulée en mémoire, ou intelligence artificielle simulée, comme une technologie qui emprunte des caractéristiques clés du fonctionnement des réseaux neuronaux dans les cerveaux biologiques. Les chercheurs affirment que dans le cerveau des humains et de nombreux autres animaux, la force des synapses, appelées poids, détermine la communication entre les neurones.

IBM a déclaré que dans les systèmes d'intelligence artificielle simulés, ces poids synaptiques sont stockés in situ dans les valeurs de conductance des dispositifs de mémoire résistive à l'échelle nanométrique tels que la mémoire à changement de phase (PCM). Ils sont ensuite utilisés dans des réseaux de neurones profonds pour effectuer des opérations de multiplication cumulative.

IBM affirme que cette technologie peut réduire le besoin d'envoyer constamment des données entre la mémoire et les processeurs.

Dans un article publié dans Nature Electronics, IBM Research a présenté une puce d'intelligence artificielle analogique à signaux mixtes qui peut exécuter diverses tâches d'inférence de réseau neuronal profond (DNN). Selon IBM, il s'agit de la première puce analogique qui effectue des tâches d'IA de vision par ordinateur ainsi que des puces numériques lors des tests, et qui est plus économe en énergie que ces dernières.

La puce est fabriquée au Albany Nanotechnology Center d'IBM. Il se compose de 64 cœurs de calcul de mémoire analogique (ou puces), chacun contenant un réseau crossbar de 256 x 256 cellules synaptiques. IBM a déclaré qu'un convertisseur analogique-numérique temporel est intégré dans chaque puce pour convertir les données analogiques et numériques. Chaque puce intègre également des unités de traitement numérique légères qui, selon IBM, peuvent exécuter des fonctions d'activation de neurones non linéaires et des opérations de mise à l'échelle.

IBM a déclaré que chaque puce peut effectuer des calculs liés à une couche de modèles DNN. Les auteurs de l'article ont déclaré : « En utilisant cette puce, nous avons mené l'étude la plus complète sur la précision informatique de la mémoire analogique et avons atteint une précision de 92,81 % sur l'ensemble de données d'image CIFAR-10

.

Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!