IBM Research在博客文章中寫道：“現(xiàn)代AI模型的增強功能提供了前所未有的識別精度，但通常以更大的計算量和精力投入為代價。”“因此，基于根本上新的處理范例的新穎硬件的開發(fā)對于AI研究的發(fā)展至關(guān)重要。”因此，在2019年舊金山的IEE??E國際電子設備會議(IEDM)上，IBM Research通過以下途徑揭示了一系列AI硬件突破一些關(guān)鍵領域的論文。

IBM寫道：“在過去的五十年中，半導體技術(shù)一直是計算硬件的引擎。”“ [FinFET]技術(shù)在滿足密度，功率和性能方面不斷增長的需求的同時，仍在不斷擴展，但還不夠快[。”堆疊式全能(GAA)納米片是IBM的答案，因為AI的需求超出了功能FinFET半導體架構(gòu)。“ Nanosheet”僅在2015年創(chuàng)造，現(xiàn)在IBM Research著重介紹三篇論文在納米片技術(shù)領域。這些措施包括用于實現(xiàn)納米片堆疊和多電壓電池的新技術(shù)，以及一種新的制造方法。IBM希望GAA納米片將提供“更高的計算性能和更低的功耗”，同時也允許進行更多變化和簡化的設計，從而實現(xiàn)更通用的設備設計。

相變存儲器

IBM Research還重點介紹了有關(guān)相變存儲器(PCM)的一系列論文，這些論文“仍然構(gòu)成重大挑戰(zhàn)”，包括對噪聲的敏感性，電阻漂移和可靠性問題。這些論文展示了IBM研究人員在開發(fā)新設備，算法和結(jié)構(gòu)解決方案以及新的模型訓練技術(shù)方面的工作，以幫助解決這些問題，提高穩(wěn)定性和可靠性。其他研究人員介紹了一種新的，受神經(jīng)啟發(fā)的，用于PCM的硅集成原型芯片設計。

最后，IBM詳細說明了其使用新型存儲設備加速深度學習的工作，這些存儲設備是使用半導體工廠中現(xiàn)有的材料創(chuàng)建的。最終的電化學隨機存取存儲器或ECRAM“證明了亞微秒的編程速度，高電導率變化線性和對稱性以及沒有訪問選擇器的2×2陣列配置。” ECRAM與CMOS兼容，在深度神經(jīng)網(wǎng)絡訓練常用的線性回歸上進行了測試。同時，IBM Research重點介紹了可提高預測AI準確性的新算法。