IBM、GPUに匹敵する新しいニューラルネットワークチップを開発

本日 Nature 誌に掲載された論文で、IBM Research のポスドク研究員 Stefano Ambrogio 氏と彼の同僚は、アナログ メモリと従来の電子部品の新しい組み合わせを使用して、GPU の精度に匹敵しながらも、より高速に動作し、より少ないエネルギーで動作するチップを作成した方法について説明しています。

このチップの「シナプスユニット」の使用により、ストレージ技術によってディープニューラルネットワークのトレーニングが困難になるという問題が解決されます。以前は、ディープニューラルネットワークをトレーニングする場合、ネットワークが完全に整列するまで、各ニューロンの重みを何千回も上下に刺激する必要がありました。これらのデバイスの抵抗を変更する場合、それらの原子構造を再構成する必要があり、操作プロセスは毎回異なっていました。そのため、これらの刺激は常にまったく同じではなく、ニューロンの重みの調整が不正確になりました。しかし、新たに開発された「シナプスユニット」は、各「シナプスユニット」をネットワーク内の単一のニューロンに対応させ、長期記憶と短期記憶の両方を持たせることができます。各セルは、一対の相変化メモリ (PCM) セル、3 つのトランジスタ、およびコンデンサで構成されています。PCM は重量データを抵抗器に保存し、コンデンサは重量データを電荷として保存します。

アンブロジオ氏は、最終的なチップは GPU と連携して動作するように設計され、完全に接続されたレイヤーの計算を処理できると同時に、他の接続も処理できるようになると述べた。彼はまた、完全に接続された層を処理するこのより効率的な方法は、より広く適用できると考えています。

このチップの応用について、アンブロジオ氏は次のように述べた。「第一に、人工知能を個人用デバイスに適用することができ、第二に、データセンターをより効率的にすることができる。」 AI が個人のデバイスに直接適用されれば、ユーザーはクラウドでデータを共有する必要がなくなり、プライバシーが向上します。さらに興味深いのは AI のパーソナライゼーションです。このニューラル ネットワークを自動車やスマートフォンに適用すれば、スマート デバイスは人々の経験から継続的に学習できるようになります。