Ученые создали первый рабочий процессор с программируемыми мемристорами
На прошлой неделе в сетевом издании Nature группа ученых из Университета Мичигана опубликовала статью, в которой рассказывается о практическом применении первого процессора с массивом программируемых мемристоров.
Напомним, об открытии мемристора первой сообщила компания HP, что произошло в 2008 году. Это так называемый четвертый базовый электротехнический элемент в дополнение к хорошо известным резисторам, конденсаторам и катушкам индуктивности. Мемристор представляет собой управляемое электронным образом сопротивление с запоминанием состояния, которое не требует поддержки питанием. Это - аналоговый элемент, который может служить как ячейкой энергонезависимой памяти, так и вентилем (транзистором). Сама HP не смогла наладить производство массивов памяти на мемристорах. Но это не важно, поскольку мемристор? это резистивная память (RRAM или ReRAM), которую не разрабатывает только ленивый.
Поскольку мемристор позволяет одновременно хранить данные в ячейке и выполнять над ними манипуляции, он может стать аналогом цифровых синапсов, а массив мемристоров способен работать подобно головному мозгу без ресурсоемкой пересылки данных из памяти в процессор и обратно. Данную схему в предельно упрощенном виде воспроизвели ученые из Университета Мичигана. Массив из 5800 мемристоров встроили в процессор на архитектуре OpenRISC, связав схемы каналами передачи данных, включая ЦАП и АЦП (не забываем, что данные в ячейках мемристора - аналоговые с массой промежуточных значений между 0 и 1).
Предложенное решение способно параллельно обрабатывать большие массивы данных с использованием меньшего объема аппаратных ресурсов. Это экономит время и деньги (читай? потребление электроэнергии). В перспективе подобные платформы с десятками и сотнями тысяч ячеек из мемристоров на борту смогут в сотни раз превзойти по производительности CPU и GPU общего назначения.
В проведенных экспериментах ученые смогли научить процессор с мемристорами сходу со стопроцентной точностью распознавать замысловатые буквы греческого алфавита, распознавать изображения с искажениями и с точностью до 94,6 % различать злокачественные или доброкачественные раковые образования. В каждом случае набор данных или векторные представления результатов загружались в массив мемристоров, а дальше сравнение новых входящих данных шло с высочайшей скоростью, что сулит, например, перенос нейроморфных вычислений (машинного обучения) из облаков в мобильные платформы.
