基于密集计算和大量分布式内存的新技术。
深度机器学习和人工智能(AI)的步伐正在改变硬件架构、软件、芯片制造和系统包装等各个层面的计算世界。有两项重大进展为在机器学习中实现新技术打开了大门。首先，系统可以获得大量数据，即“大数据”
来处理。其次，先进的GPU架构现在支持分布式计算并行化。通过这两项发展，设计人员可以利用依赖于密集计算和大量分布式内存的新技术来提供新的、强大的计算能力。
基于神经形态计算的机器学习利用尖峰神经网络(SNN)、深度神经网络(DNN)和受限玻尔兹曼机(RBM)技术。与大数据相结合，“大计算”是利用基于统计的高维计算(HDC)，它基于模式运行，支持基于联想记忆和持续学习的推理，以模仿人类的记忆学习和保留序列。
新兴内存包括“内存计算sram”(CIM)、stt - mram、sot - mram、reram、cb - ram和pcm。每种类型的发展都在同时试图实现人工智能计算的转变。它们共同推动了计算能力、能源效率、密度和成本的规模。
如需阅读更多，请点击在这里．
|
|
|
|
|
|
|
|
留下回复