忆阻器技术引燃模拟革命
我们是否已经准备好为企业数据中心引进基于忆阻器的人工智能基础设施了呢? 我们做事情总是追求更快更智能,这是人的本性。在数据中心里,我们通过机器学习算法将巨大和快速的数据流分层,从而建立独特的业务竞争优势(或更大的社会效益)。 虽然有着令人瞩目的处理能力、性能和容量,今天的数字计算和存储仍然无法与我们的大脑相比,已远超数字架构的6、7或者8个数量级。如果我们想在生物规模和速度方面进行计算,我们必须利用能够远远超越这些严格数字的新形式硬件。 许多以机器学习为基础的应用程序以调查数据的内在模式和行为为基础,然后通过这些情报归类哪些是我们所知道的,并预测接下来会发生的事情,同时识别异常。这类似于我们自己的神经元和突触,从传入的信号中进行学习,将学到的东西保存下来,然后“转发”出去用于做出更明智的决定(或采取行动)。在过去的30年里,AI从业人员已经建立了实用的神经网络和其他类型的机器学习算法用于各种应用程序,但是如今被有限的数字规模(成指数增长的互联网络规模只是其中一个方面)和速度所束缚。 今天的数字计算基础设施以切换数字位为基础,与摩尔定律同步还需克服一些重大障碍。即使有一些量级上的改善,也...