神經(jīng)形態(tài)計算是指使用電子元件和電路,模擬人腦神經(jīng)網(wǎng)絡(luò)而設(shè)計的一種計算系統(tǒng)。神經(jīng)形態(tài)計算屬于下一代技術(shù),可大幅減少電力消耗,這對于傳統(tǒng)計算系統(tǒng)來說是一項極具挑戰(zhàn)性的壯舉。利用TDK的“自旋電子學(xué)”這項核心技術(shù),我們開發(fā)了自旋憶阻器,這是神經(jīng)形態(tài)設(shè)備中起基礎(chǔ)性作用的元件。目前,TDK正在努力實現(xiàn)神經(jīng)形態(tài)設(shè)備,將當(dāng)今人工智能系統(tǒng)的電力消耗降至當(dāng)前水平的1/100以下。
生成式人工智能的迅速普及正在威脅全球電力供應(yīng)
自2022年美國OpenAI公司的對話式人工智能ChatGPT公布以來,全球各行業(yè)公司都開始采用生成式人工智能技術(shù),使得該技術(shù)的使用率急速上升。對生成式人工智能的巨大需求推動了數(shù)據(jù)中心和半導(dǎo)體等相關(guān)行業(yè)的增長。除了目前占主導(dǎo)地位的基于云的計算模式之外,生成式人工智能的崛起預(yù)計將推動邊緣人工智能的增長,進(jìn)一步擴大市場。在邊緣人工智能技術(shù)中,人工智能運算可以在有限的電力供應(yīng)條件下進(jìn)行,如汽車、手機和近傳感器等?;谠频娜斯ぶ悄芗夹g(shù)中,人工智能運算和數(shù)據(jù)傳輸過程均需消耗電力。有了邊緣人工智能技術(shù),傳感器信號可在本地轉(zhuǎn)換為可用信息??紤]到人工智能成為社會基礎(chǔ)設(shè)施中的一部分,這將為我們節(jié)省大量電力。
隨著生成式人工智能繼續(xù)以驚人速度發(fā)展,人們越來越擔(dān)心,需求的增長會消耗更多電力。如果人工智能的使用繼續(xù)以目前的速度增長,全球能源消耗預(yù)計將一路飆升。例如,國際能源署(IEA)發(fā)布的一份報告表明,2022年,全球數(shù)據(jù)中心、人工智能及相關(guān)技術(shù)電力消耗量達(dá)460太瓦時(TWh)左右。到2026年,這一數(shù)字可能會增加一倍以上,達(dá)到近1000太瓦時。而這一消耗水平相當(dāng)于世界第三大經(jīng)濟體(按GDP)日本的能源使用總量,這使其成為迫在眉睫的社會性問題。因此,減少人工智能技術(shù)電力消耗的社會壓力正在加劇。
國際能源署(IEA)對數(shù)據(jù)中心、AI等技術(shù)的全球電力需求量預(yù)測結(jié)果
神經(jīng)形態(tài)設(shè)備可從根本上重塑計算技術(shù),但仍面臨很多技術(shù)難題
由于對半導(dǎo)體性能的提升正趨于其物理極限*1,加之其他不利因素,減少人工智能運算的能耗需要突破性技術(shù)的助力。這需要從根本上改變計算機架構(gòu)的技術(shù)。如今的計算機主要是基于馮·諾依曼(von Neumann)架構(gòu)*2,在該架構(gòu)下,數(shù)據(jù)和程序在執(zhí)行前會被存儲在內(nèi)存中。但其存在固有缺陷,即:內(nèi)存和處理單元彼此分離,因此兩者之間的數(shù)據(jù)傳輸會消耗大量電力。神經(jīng)形態(tài)計算應(yīng)運而生,該技術(shù)作為代替馮·諾依曼架構(gòu)的下一代替代方案,前景十分廣闊。該方法使用電子(集成)電路模仿人腦中神經(jīng)網(wǎng)絡(luò)的電特性。人類大腦僅 需大約20瓦的功率即可工作,據(jù)稱能夠做出更加復(fù)雜的決策,同時只需消耗當(dāng)今數(shù)字人工智能運算所需能源的1/10000左右。神經(jīng)形態(tài)計算將存儲元件直接集成到像人腦一樣的處理單元中,無需再進(jìn)行數(shù)據(jù)傳輸。與馮·諾依曼模型相比,這大大提升了數(shù)據(jù)處理速度并降低功耗。因此,人們對神經(jīng)形態(tài)計算技術(shù)應(yīng)用于各種設(shè)備和系統(tǒng)的人工智能程序給予厚望。
世界各地的相關(guān)公司和研究機構(gòu)一直在開發(fā)神經(jīng)形態(tài)設(shè)備。這種設(shè)備是從電學(xué)層面模仿人腦中的神經(jīng)元(神經(jīng)細(xì)胞)和突觸(神經(jīng)元之間的連接)。但他們面臨著巨大的技術(shù)挑戰(zhàn),特別是憶阻器*3,這是構(gòu)建神經(jīng)形態(tài)設(shè)備的基礎(chǔ)模塊。傳統(tǒng)憶阻器因其復(fù)雜的響應(yīng)行為和諸如存儲電阻值隨時間漂移等問題飽受詬病。這些問題一直是實現(xiàn)神經(jīng)形態(tài)技術(shù)的主要障礙。
自旋電子學(xué)技術(shù)的應(yīng)用推動了自旋憶阻器的發(fā)展
為應(yīng)對這些挑戰(zhàn),TDK開發(fā)了自旋憶阻器,這是一種利用磁學(xué)和自旋電子學(xué)的電子元件。自旋電子學(xué)*4是TDK的一項核心技術(shù)。我們的主力產(chǎn)品,如硬盤驅(qū)動器磁頭和TMR傳感器等都是以該技術(shù)為依托。通過拓展該技術(shù),TDK成功克服了傳統(tǒng)憶阻器長期存在的問題。這款新憶阻器響應(yīng)靈敏,簡單易用,并且電阻值長期穩(wěn)定,能夠以低功耗實現(xiàn)高速響應(yīng)。
(圖片:TDK開發(fā)的陶瓷封裝自旋憶阻器)
在與法國新能源與原子能委員會(CEA)的合作中,我們已成功證實自旋憶阻器可作為神經(jīng)形態(tài)設(shè)備的基本元件發(fā)揮作用。
與GPU的電力消耗對比
基于憶阻器的多重累加部分的電力消耗對比估算。該估算假定自旋憶阻器可像GPU一樣集成到半導(dǎo)體中。
基于馮·諾依曼架構(gòu)的器件通常采用主流CMOS半導(dǎo)體技術(shù)制造,其主要通過使器件微型化來提高功效,但通常只能逐步提高。而基于自旋憶阻器的神經(jīng)形態(tài)設(shè)備可實現(xiàn)更優(yōu)的節(jié)能效果。
展望未來,TDK計劃與日本東北大學(xué)的國際集成電子中心合作,將能使電力消耗降至1/100以下的神經(jīng)形態(tài)設(shè)備投入實際應(yīng)用。TDK技術(shù)?知識產(chǎn)權(quán)本部自旋電子學(xué)研發(fā)分部的負(fù)責(zé)人兼高級經(jīng)理佐佐木智生以及神經(jīng)形態(tài)設(shè)備團(tuán)隊的負(fù)責(zé)人兼經(jīng)理柴田龍雄分享了他們對該產(chǎn)品未來前景的看法?!白孕龖涀杵黜椖楷F(xiàn)在正過渡到以實際應(yīng)用為目標(biāo)的開發(fā)階段,這需要集成半導(dǎo)體和自旋電子學(xué)制造工藝,我們將與日本東北大學(xué)合作開發(fā)。我們的目標(biāo)是創(chuàng)造新的人工智能設(shè)備,這些設(shè)備的不僅電力消耗更低,并且能夠?qū)崟r學(xué)習(xí)、適應(yīng)不同的環(huán)境和用戶?!?/span>
TDK正在通過推動神經(jīng)形態(tài)設(shè)備的發(fā)展,減少人工智能持續(xù)發(fā)展所消耗的能源,致力于建立一個更加便利舒適的數(shù)字轉(zhuǎn)型(DX)社會。
自旋憶阻器語音分離演示電路
裝有四個陶瓷封裝自旋憶阻器的人工智能電路板。這表明自旋憶阻器可作為神經(jīng)形態(tài)設(shè)備的基本元件。
TDK配備自旋憶阻器的神經(jīng)形態(tài)系統(tǒng)在2024年日本電子高新科技博覽會(CEATEC)上榮獲創(chuàng)新類獎項。
術(shù)語
1.近年來,越來越多的人相信摩爾定律正在達(dá)到其物理極限。摩爾定律預(yù)測,半導(dǎo)體集成電路中的晶體管數(shù)量每18(或24)個月會翻一番。
2.馮·諾依曼架構(gòu):計算機的基本操作模型之一。其中,程序和數(shù)據(jù)存儲在內(nèi)存中并按順序執(zhí)行。
3.憶阻器:一種被動電子元件,其電阻取決于流經(jīng)的電流,可存儲電阻值。
4.自旋電子學(xué):一種利用電子電荷與自旋或自旋現(xiàn)象的技術(shù)。
轉(zhuǎn)載自“TDK"中文網(wǎng)”如涉及侵權(quán),請聯(lián)系刪除!
Copyright ? 2018-2020 PbootCMS All Rights Reserved. 技術(shù)支持:億美互聯(lián) 粵ICP備17123820號-1