IBMは人工知能にアナログコンピューティングを使用し、AIコンピューティングを改革する

IBM は人工知能コンピューティングを改革する方法に取り組んでいます。 IBM の研究者は、人工知能 (AI) にアナログ コンピューティングを使用する画期的な成果を説明する論文を発表しました。

人工知能システムを構築する場合、データモデルをトレーニングする必要があります。これは、猫のさまざまな特徴を記述する画像データなど、トレーニング データのさまざまなサブセットに異なる重みを割り当てることによって行われます。

従来の（デジタル）コンピューターで AI システムをトレーニングする場合、AI モデルはメモリ内に分散して保存されます。コンピューティング タスクでは、メモリと処理ユニット間でデータを継続的に転送する必要があります。 IBM によれば、このプロセスによりコンピューティング速度が低下し、達成できるエネルギー効率が制限されるという。

人工知能にアナログコンピューティングを使用すると、デジタルコンピュータ上で実行される人工知能と同じ結果をより効率的に達成できる可能性があります。 IBM は、アナログ インメモリ コンピューティング (アナログ AI) を、生物学的脳内のニューラル ネットワークの動作の主要な機能を借用したテクノロジーと定義しています。研究者らによると、人間や他の多くの動物の脳では、重みと呼ばれるシナプスの強さがニューロン間のコミュニケーションを決定するという。

IBMによると、アナログAIシステムでは、これらのシナプス重みは相変化メモリ（PCM）などのナノスケール抵抗メモリデバイスのコンダクタンス値に直接保存されるという。これらはディープ ニューラル ネットワークで累積乗算演算を実行するために使用されます。

IBMは、この技術により、メモリとプロセッサ間でデータを絶えず送信する必要性を減らすことができると述べた。

IBM Research は、Nature Electronics に掲載された論文の中で、さまざまなディープ ニューラル ネットワーク (DNN) 推論タスクを実行できるミックスド シグナル アナログ AI チップを紹介しています。 IBMによれば、これはテストでデジタルチップと同等のコンピュータービジョンAIタスクを実行し、後者よりもエネルギー効率に優れた初のアナログチップだという。

このチップはIBMのアルバニー・ナノテクノロジー・センターで製造された。これは 64 個のアナログ インメモリ コンピューティング コア (またはチップ) で構成され、各コアには 256 x 256 のクロスバー アレイのシナプス ユニットが含まれています。 IBMによると、各チップにはアナログデータとデジタルデータを変換するための時間ベースのアナログ-デジタルコンバーターが組み込まれているという。各チップには、IBM によれば非線形ニューロン活性化関数とスケーリング操作を実行できる軽量デジタル処理ユニットも統合されています。

IBMは、各チップはDNNモデルの1つのレイヤーに関連する計算を実行できると述べた。 「このチップを使用して、アナログインメモリコンピューティングの計算精度に関する最も包括的な研究を実施し、CIFAR-10画像データセットで92.81％の精度を達成しました」と論文の著者らは述べています。