Credit: Pixabay/ CC0公共领域计算的未来可能是模拟的。我们日常电脑的数字化设计有利于阅读电子邮件和玩游戏，但今天解决问题的电脑正在处理大量数据。由于计算机的构造方式，存储和处理这些信息的能力会导致性能瓶颈。
下一次计算机革命可能是一种新的硬件，称为内存处理(PIM)，这是一种新兴的计算范式，它将内存和处理单元结合起来，并利用机器的物理属性进行计算——数字处理不需要1或0。
美国圣路易斯华盛顿大学(Washington UniversitY of St . Louis)电气与系统工程学院普雷斯顿·格林(Preston M. Green)副教授张(Silvia Zhang)实验室的研究人员设计了一种新的PIM电路，该电路将神经网络的灵活性应用于PIM计算。该电路有可能将无源互调计算的性能提高几个数量级，超过其目前的理论能力。
他们的研究于10月27日在线发表在《IEEE计算机事务》杂志上。这项工作是与中国上海交通大学的姜立合作完成的。
传统设计的计算机是使用冯·诺依曼架构建造的。这种设计的一部分分离了存储数据的内存；和执行实际计算的处理器。
“今天的计算挑战是数据密集型的，”张说。“我们需要处理大量数据，这在处理器和内存的接口上造成了性能瓶颈。”
PIM计算机旨在通过将内存和处理合并为一个单元来绕过这个问题。
计算，尤其是今天机器学习算法的计算，本质上是一系列复杂的加法和乘法。在传统的数字中央处理器中，这是使用晶体管来完成的，晶体管基本上是电压控制的门，允许电流流动或不流动。这两种状态分别代表1和0。使用这种数字代码——二进制代码——中央处理器可以完成使计算机工作所需的任何和所有运算。
张的实验室正在研究的这种个人信息管理系统被称为电阻随机存取存储器个人信息管理系统，简称个人信息管理系统。在中央处理器中，比特存储在存储单元的电容器中，而name皮姆计算机依赖于电阻器，因此得名。这些电阻既是存储器，也是处理器。
奖金？“在电阻存储器中，您不必转换成数字或二进制。你可以留在模拟领域。”这是使RRAM-皮姆计算机更加高效的关键。
“如果你需要添加，你连接两个电流，”张说。"如果你需要相乘，你可以调整电阻值."
但在某些时候，信息确实需要被转换成数字格式，以便与我们熟悉的技术对接。这就是RRAM-皮姆公司遇到瓶颈的地方——将模拟信息转换成数字格式。随后，张和张实验室的博士后研究员介绍了神经逼近器。
“神经逼近器是建立在可以逼近任意函数的神经网络上的，”张说。给定任何函数，神经逼近器都可以执行相同的函数，但会提高其效率。
在这种情况下，该团队设计了神经逼近器电路，可以帮助清除瓶颈。
在array无源互调架构中，一旦纵横阵列中的电阻完成了计算，答案就会被转换成数字格式。这实际上意味着将电路中每列电阻的结果相加。每列产生一个部分结果。
然后，这些部分结果中的每一个都必须在所谓的模数转换中转换成数字信息。转换是能量密集型的。
神经逼近器使这个过程更有效率。
神经逼近器电路可以执行多种计算——向下列、跨列或以任何最有效的方式，而不是逐个添加每一列。这导致ADC数量减少，计算效率提高。
曹说，这项工作最重要的部分是确定它们能在多大程度上减少电路外缘的数字转换次数。他们发现神经逼近器电路尽可能地提高了效率。
“不管RRAM纵横阵列列产生多少模拟部分和——18列、64列或128列——我们只需要一次模数转换，”曹说。"我们使用硬件实现来达到理论上的下限."
张说，工程师们已经在研究大规模的个人信息管理计算机原型，但他们一直面临着几个挑战。使用张和曹的神经逼近器可以消除其中一个挑战——瓶颈，证明这种新的计算范式有潜力比当前框架所暗示的更强大。不仅仅是强大一倍或两倍，而是强大10倍或100倍。
“我们的技术使我们离这种计算机更近了一步，”张说。
来源：由phyica.com整理转载自PH，转载请保留出处和链接！
