محققان به يك فناوري نيمهرساناي جديد براي آموزش بهتر هوش مصنوعي دست يافتند
تيمي از پژوهشگران در كره جنوبي بهتازگي نشان دادهاند كه سختافزارهاي آنالوگ مبتني بر دستگاههاي حافظه دسترسي تصادفي الكتروشيميايي يا ECRAM ميتوانند عملكرد محاسباتي هوش مصنوعي را به حداكثر دقت برسانند. در نتيجه اين فناوري پتانسيل تجاريسازي دارد.
تيمي از پژوهشگران در كره جنوبي بهتازگي نشان دادهاند كه سختافزارهاي آنالوگ مبتني بر دستگاههاي حافظه دسترسي تصادفي الكتروشيميايي يا ECRAM ميتوانند عملكرد محاسباتي هوش مصنوعي را به حداكثر دقت برسانند. در نتيجه اين فناوري پتانسيل تجاريسازي دارد. پيشرفت سريع فناوري هوش مصنوعي مقياسپذيري سختافزارهاي ديجيتال موجود را به مرزهاي خود نزديك كرده است. در نتيجه، پژوهشهايي آغاز شدهاند تا كاربرد سختافزارهاي آنالوگ مخصوص را در محاسبات هوش مصنوعي بررسي كنند. سختافزارهاي آنالوگ مقاومت نيمهرساناها را براساس ولتاژ يا جريان خروجي تنظيم و از يك آرايش نقطه تقاطع استفاده ميكنند. اين آرايش معمولاً در دستگاههاي حافظهاي استفاده ميشود كه در آنها سلولهاي حافظه در تقاطعهاي عمودي و افقي قرار دارند. اين طراحي عمدتاً در دستگاههاي حافظه نسل جديد مانند حافظه دسترسي تصادفي مقاومتي (RRAM) و حافظه تغيير فاز (PCM) استفاده ميشود و تراكم حافظه را افزايش و مصرف برق را كاهش ميدهد. آرايش نقطه تقاطع به دستگاهها قابليت پردازش موازي محاسبات هوش مصنوعي را ميدهد.
