旋转记忆器在人工智能中使用功率

TDK开发了一种用于神经形态应用的旋转记忆器,有可能将人工智能处理器的功率降低到传统设备的1/100。

大脑做出复杂决策所需的能量水平与人工智能处理器做出同样决定所需的能量消耗之间存在差异。通过模仿人类大脑的节能操作,TDK公司。已经开发出一种神经形态的元件,叫做旋转记忆器,它有可能将人工智能应用的耗电降低到传统设备的1/100。

在与替代能源和原子能委员会(CEA)的合作下,TDK已经证明其旋转记忆体可以作为神经形态装置的基本元素。接下来的步骤包括与东北大学创新综合电子系统中心合作,实际开发该技术。

旋转记忆器

尽管神经形态器件的记忆管已经存在,但目前的技术面临着一些挑战。这些因素包括长期以来抵制变化的趋势、难以控制精确的数据书写和建立确保数据得到保留的控制。

TDK说,它的旋转存储器不仅可以解决这些挑战,而且可以提供对环境影响的免疫力,提供长期的数据存储,并通过切断现有设备中的泄漏电流来降低功率消耗。

旋转记忆器使用的是旋转电子,一种既使用电子的电荷也使用旋转元件的技术。人类的大脑是一个惊人的节能设备。在计算术语中,它只需要20瓦特的功率,就可以完成相当于每秒十亿亿次的数学运算。"

TDK说,这比存储0或1数据的数字人工智能处理器的耗电量要低得多。该公司补充道,像人类大脑一样的旋转记忆器可以存储模拟形式的数据,使超低耗电的复杂计算成为可能。

TDK的下一代电子组件开发部门主管和高级经理佐佐木通元解释说:"一般存储器存储一个数字信号--0或1。相比之下,旋转存储器可以存储0到200级的模拟信号。旋转记忆体结构类似于磁阻性随机存取存储器(MRAM),但是数据存储层中的两个不同的磁域被域壁隔开。当应用平面内写电流时,磁域面积随磁域壁的驱动而变化。旋转记忆电阻的电导率与面积比成正比。"

合作努力

TDK公司与法国研究机构CEA合作,证明它的旋转记忆器作为神经形态装置的基本元素是可行的。TDK公司于2020年开始与CEA公司合作,开发了一个配备了旋转记忆器(3元x2集x4芯片)的人工智能电路,并通过声音分离演示确认了其成功运行。

在演示中,即使在音乐、语音和噪声混合成任意比例时,电路也能够实时学习和分离这三种类型的声音。在一般的机器学习中,人工智能操作是根据以前训练过的人工智能模型的数据进行的。然而,TDK声称其设备具有独特的实时学习能力。

TDK的声音分离演示是在一台标准电脑上进行的。佐佐木说:"混合语音的特征是用CEA制作的软件提取出来的。""旋转记忆管只需实时更新混合比率即可。传统的基于PCM、RERAM和FERM的记忆电阻器因其复杂的响应行为和存储电阻值随时间的推移等问题而众所周知难以使用。这些问题一直是实现神经形态学技术的主要障碍。

他补充道:"这个演示表明,旋转记忆器也可以用于实时操作的人工智能电路,因为旋转记忆器可以通过简单的操作以高速运行。"

既然演示已经证实TDK的旋转记忆器可以作为神经形态装置的基本元素,该公司将把项目从基础开发阶段推进到实际应用阶段。产品的制造需要半导体和旋电子制造过程的集成。

TDK说,这种集成已经在制造类似于记忆管的MLM中实现了。

在实际设备开发方面,TDK正与东北大学创新集成电子系统中心合作开发一个原型。这项合作将利用大学在MRAM研发和制造技术方面的工作,包括其12英寸原型线。

TDK及其合作伙伴计划在2030年后开始生产。"我们已经完成了与CEA的概念演示,"佐佐木说。"现在,我们将进入芯片级演示阶段,这是一个集成了一系列旋转记忆器和半导体电路的芯片,将被CEA和东北大学用于演示性能。

他补充道:"我们需要将大量的旋转记忆器和半导体电路结合起来,就像MRAM一样。""我们正在考虑TDK的传感器使用这种技术。"