系统信息:4月18日

RISC-V错误
普林斯顿大学研究人员已经发现了一系列的RISC-V指令规范中的错误现在导致新系统的变化,旨在促进开源的计算机芯片的设计。

在测试技术为分析创建计算机内存使用,研究小组发现超过100错误涉及到不正确的排列从内存中存储和检索的信息RISC-V处理器体系结构的变化。研究人员警告说,如果不,问题可能导致错误RISC-V芯片上运行的软件。RISC-V基金会的研究人员称,官员们表示,错误不会影响大多数版本的RISC-V但更高性能的系统会造成问题。

研究人员包括教授玛格丽特Martonosi(中心)和研究生Yatin Manerkar和卡洛琳Trippel已经开发出一种工具,它可以消除错误通过检查计算机处理器设计的内存问题。这个工具已经导致改进芯片在主要的开源项目。(来源:普林斯顿大学)

玛格丽特•Martonosi——贝瑟尔休特兰伯尔——亚当斯的35普林斯顿大学的计算机科学教授和普林斯顿大学的领导团队,包括博士生卡罗琳Trippel和Yatin Manerkar说,“可能导致不正确的内存访问序软件使用错误的值执行计算。这反过来会导致难以调试的软件错误导致软件崩溃或容易受到安全攻击。RISC-V处理器经常设想为实际的物理设备(即控制处理器。物联网设备)这些错误可以导致不可靠或安全漏洞影响整体的安全系统。”

拉斯帝格,Martonosi最近的一篇论文的合著者现在NVIDIA的研究科学家,说工作正在改善RISC-V内存模型。

“RISC-V是幸运的能够回首几十年的工业和学术价值的经验,”他说。“这将能够从所有的见解和错误由以前的尝试。”
RISC-V项目本质上提供了规范,指导RISC-V处理器的硬件和软件设计和软件应用程序。这些规范,通常被称为一个指令集架构,描述最基本功能的处理器包括算术和逻辑运算,以及项目的方式使用计算机的内存。硬件设计师使用的指令集,以构建新的芯片,和电脑程序员编写新的软件时依赖它。

Martonosi的团队发现了问题在测试他们的新系统检查内存操作在任何计算机体系结构。系统,称为TriCheck,允许设计师和其他设计工作感兴趣,来检测内存排序错误才成为一个问题。TriCheck名称来源于三个一般水平的计算:高级程序创建现代应用程序从web浏览器到文字处理软件;指令集架构,功能机作为一种基本的语言;和底层硬件实现中,一个特定的微处理器执行指令集设计。

把逻辑门的自旋
虽然计算机电子缩小到足够小的大小,电流基本功能可以不再被用于逻辑计算方法的大规模的祖先,如何逻辑门建成对经典物理设备太小了吗?这是问题的一个研究小组凯泽斯劳滕科技大学在德国,美因茨大学在德国,科学研究公司克拉在乌克兰,IMEC在比利时着手回答。

他们提醒,传统是从汤姆斯逻辑门称为多数大门,例如,输出电流匹配“0”或“1”状态,包括至少两三个输入电流(或等价于三个电压)。在最近的一个演示实验,结果是最近发表在《应用物理快报,该团队使用spin-waves的干扰——同步的电子自旋排列中观察到磁系统。他们说自旋波多数门原型,由Yttrium-Iron-Garnet,出来一个新的合作研究中心由德国研究基金会资助,名叫旋转+ X。工作中也一直支持欧盟项目InSpin和在与比利时IMEC纳米技术研究所合作。

trident-shaped多数门钇铁石榴石组成的结构。下面的透明材料是一种钆镓衬底。
(来源:应用物理快报:费舍尔/ Kewenig / Meyer)

托拜厄斯•费舍尔在德国的凯泽斯劳滕大学的一位博士生,和论文的主要作者,说,“研究中心旋转+ X的座右铭是‘旋转在其集体环境中,所以它基本上旨在调查任何类型的光与物质相互作用的自旋-和电子等等。或多或少的主要图片我们是针对在信息处理是采用spin-waves。旋转波是磁性材料的基本作用。”

这样,而不是使用传统的电流或电压输入信息发送到一个逻辑门,Kaiserslautern-based国际团队使用磁性材料的集体振动旋转磁化实质上创造纳米波,可以影响生产布尔运算。

“你有磁性材料中原子磁矩相互作用,由于这种交互,有波励磁可以传播在磁性材料。我们正在调查的特定设备是基于这些波的干扰。如果你使用波励磁代替电流[…]你可以利用波干扰,有一定的优势,”费舍尔说。

利用波的干涉生产大多数门的输出提供了两个参数用于控制信息:波的振幅和相位。原则上,使这个概念更有效率也因为多数门可以替代10晶体管在现代电子设备。

这第一个设备原型,尽管身体比费舍尔和他的同事们看到最终的大规模使用,展示了自旋波现象的适用性在GHz频率进行可靠信息的处理。

完整的多数门原型。铜块作为电动磨板确保一个有效的天线的射频电流的插入,另一方面,微波连接器安装在块允许设备的嵌入到我们的微波设置。
(来源:应用物理快报:费舍尔/ Kewenig / Meyer)

研究人员还指出,因为这些旋转波的波长很容易缩小到纳米尺度,也是如此——尽管可能不那么容易可以门设备本身。这实际上可能改善功能,减少不必要的磁场波动的敏感性。此外,纳米将增加自旋波速度,使计算速度的增加。

他们的目标设备的小型化自从小,这些影响的敏感就变得越复杂。费舍尔补充说:“如果你看看有多少波长适合这个传播长度,越少,越不影响输出波长的变化。所以基本上降尺度的设备也会带来更多的好处。”

深度学习重现70岁的想法
深度学习技术,使诸如智能手机上的语音识别器或谷歌最新的自动翻译,事实上,一个新的名字,称为神经网络的人工智能方法,已在时尚70多年,麻省理工学院研究人员提醒。

他们说神经网络由沃伦•麦卡洛在1944年被首次提出,沃尔特·皮特两名芝加哥大学的研究人员在1952年搬到麻省理工学院的创始成员有时被称为第一认知科学部门。

神经网络是一个重要的研究领域在这两个神经系统科学和计算机科学,直到1969年,根据计算机科学传说,他们被杀死的麻省理工学院的数学家马文•明斯基,Seymour Papert一年后谁会成为新的麻省理工学院人工智能实验室的副执行长。

技术那么喜欢1980年代的复兴,再次陷入了eclipse在新世纪的第一个十年,和在第二个返回四射,很大程度上助长了显卡处理能力的增加。

Tomaso小山,尤金·麦克德莫特,麻省理工学院大脑与认知科学系教授一名调查员在麻省理工学院麦戈文脑研究所主任,麻省理工学院大脑中心的思想,和机器说:“科学是有这个想法,想法有点像流行的病毒。显然有五、六种基本的流感病毒株,显然每一个回来一段时间约25年。人被感染,他们开发一个免疫反应,所以他们不被感染在接下来的25年。然后是准备新一代感染相同应变的病毒。在科学,人们爱上了一个想法,感到兴奋,锤死,然后接种,他们对此感到厌倦。所以想法应该有同样的周期性!”

最近的复苏神经网络的深度学习革命——来自电脑游戏产业。今天的复杂的图像和快速的视频游戏需要的硬件可以跟上,结果一直GPU,包成千上万的相对简单的处理核心在单个芯片上。没多久,研究人员意识到GPU的体系结构非常像一个神经网络。

现代gpu的单层网络启用1960年代和1980年代的两到三层网络开花到10 - 15 -,甚至50-layer今天的网络。这就是“深”的“深度学习”是指——网络层的深度。目前,深度学习负责表现最好的系统在几乎所有的人工智能研究领域。

网络的不透明度仍令人不安的理论家,但在这方面的进展,。除了指挥中心的大脑,思想,和机器(CBMM)方法的领导中心的研究项目为情报理论框架。最近,小山和他CBMM的同事们发布了一个由三部分组成的神经网络的理论研究。

的第一部分上个月发表在国际期刊的自动化和计算、地址的计算范围,深度学习网络可以执行,当比浅的深度网络提供的优势。

部分2和3,CBMM技术报告,公布解决全局优化问题,或保证网络找到了最符合其训练数据的设置,和过度拟合,或情况下,网络变得如此适应训练数据的细节,不能推广到其他相同类别的实例。

仍有大量的理论问题需要回答,但CBMM研究者的工作可以帮助确保神经网络终于打破代际循环,带来了他们在忙了七年。

有关的故事
替代X86, ARM架构?
支持生长RISC-V开源指令集架构。
开源为芯片工作吗?
到目前为止没有人成功的开源半导体设计或EDA工具。为什么不呢?
神经网络计算爆炸
资金雄厚的公司开始定制这种方法为特定_花大量的钱收购初创公司。
押注的力量和深度的学习
一个非常坦诚的谈话与VC吉姆·霍根的投资资本回报率。