5纳米晶体管;减少深度学习计算;生物和盖茨。
硅nanosheet-based构建5纳米晶体管
要启用5 nm芯片的制造,IBM,GLOBALFOUNDRIES,三星,设备供应商已经开发出他们所说的是一个产业界首次过程5纳米硅nanosheet晶体管。这种发展不到两年开发7纳米测试节点芯片与200亿个晶体管。现在,他们已经为300亿开关指甲盖大小的芯片里铺平了道路。
图:IBM研究联盟的扫描5纳米晶体管,使用一个产业界首次过程堆栈硅nanosheets设备结构,实现规模的300亿开关指甲盖大小的芯片里将提供重要的权力和性能增强在当今最先进的10 nm芯片。(来源:IBM)
团队业绩的增加将有助于加速认知计算、物联网、和其他数据密集型应用程序在云中交付;电池的电能节约也可能意味着智能手机和其他移动产品可能会持续两到三倍的时间比今天的设备,之前需要被起诉。
研究人员从事ibm使研究联盟的一部分纽约州立大学理工学院纳米科学与工程学院纳米技术在奥尔巴尼,纽约解释说,他们取得了突破,利用栈nanosheets硅晶体管的器件结构,而不是标准FinFET的架构,这是半导体工业的蓝图通过7 nm节点技术。
此外,研究人员指出,相比10纳米技术前沿,这nanosheet-based 5纳米技术可以在固定力量提供40%性能增强,或75%节省电能,在匹配性能。
有趣的是,这种方法使用极端的紫外线(EUV)光刻,正如用于7纳米测试节点,和它的200亿个晶体管应用于nanosheet晶体管结构。使用EUV光刻,nanosheets的宽度可以不断调整,所有在一个单一的生产过程或芯片设计。这种适应性允许微调性能和权力为特定电路——不可能有今天的FinFET晶体管结构生产,受限于其载流翅片高度。因此,虽然FinFET芯片可以扩展到5 nm,仅仅减少鳍之间的空间不提供电流增加额外的性能,研究小组补充道。
减少深度学习计算
消除超过95%的计算深度学习需要,莱斯大学科学家已经采用了一种广泛使用的技术,快速数据查找的甲烷量计算-因此精力和时间要求。
Anshumali Shrivastava首席研究员莱斯大学计算机科学系的助理教授说,“这也适用于任何深度学习架构,技术尺度次线性,这意味着更大的深层神经网络应用,计算会有更多储蓄。”
赖斯大学的研究人员瑞安春天和Shrivastava Anshumali。(来源:莱斯大学)
团队说这工作地址科技巨头谷歌面临的最大问题之一,Facebook和微软种族建立、训练和部署大规模深度学习网络等越来越多的产品自动驾驶汽车,语言翻译和智能回复电子邮件。
Shrivastava瑞安和大米研究生春季显示技术从“哈希,”一个可靠的数据索引方法,可以适应显著减少深度学习的计算开销。散列涉及使用聪明的哈希函数,把数据转换成易于管理的小数字叫做散列。散列存储在表,工作就像印刷书籍的索引。
混合的方法的两种技术——一个聪明的变体locality-sensitive散列和稀疏的反向传播来减少计算需求没有显著损失精度。例如,他们说,在小规模的测试中他们发现他们可以减少计算高达95%,仍然是在1%的准确性与标准的方法获得。
电路建在活细胞
为了利用细胞生活的潜在的计算机,可以应对疾病,高效生产生物燃料或开发植物性化学物质,华盛顿大学合成生物学研究人员演示了一个新方法数字信息处理在活细胞中,类似于电路中使用的逻辑门,所以他们不必等待进化工艺所需的细胞系统。
一个艺术家的连接CRISPR-dCas9和盖茨的印象。(来源:华盛顿大学)
他们提醒,活细胞必须不断地处理信息跟踪改变周围世界,到达一个适当的反应。通过数十亿年的试验和错误,进化到了一个在细胞水平上的信息处理模式。芯片中运行我们的电脑,减少数据信息处理功能明确的0和1。在细胞中,它不是那么简单。DNA、蛋白质、脂类和糖类排列在复杂和区分结构。
团队构建了一组细胞内合成的基因功能和盖茨一样,常用于电子,每个需要两只输入和传递一个积极的信号,如果输入都是负面的。也不是盖茨功能完成,这意味着他们可以组装一个不同的安排,使任何类型的信息处理电路。他们都使用DNA代替硅和焊料,酵母细胞内而不是在一个电子工作台。电路的研究人员建立了有史以来最大的出版在eurkaryotic细胞,迄今,像人类细胞,含有细胞核和其他结构,使复杂的行为。
细胞可能重新编程进行新的发展途径,或开发全新的再生器官。在这种发展组织,细胞必须做出复杂的数字决定基因表达时,和新技术可以用来控制这一过程,他们指出。
虽然实现简单程序细胞不会对手的计算速度和精度硅、遗传程序可以直接与细胞的交互环境,威斯康辛大学电气工程教授Eric Klavins解释道。“例如,重编程细胞在一个病人可以有针对性的,治疗的决定最相关的组织,无需复杂的诊断和广泛的治疗方法。”
|
|
|
|
|
|
|
|
|
留下一个回复