Ingrid Fadelli , Phys.org

Lisa Lock tərəfindən redaktə edilmiş , Robert Eqan tərəfindən nəzərdən keçirilmişdir

 Redaktorların qeydləriKomandanın nvDCIM çiplərini qiymətləndirmək üçün istifadə etdiyi eksperimental və ölçmə platforması. Kredit: Nature Electronics (2025). DOI: 10.1038/s41928-025-01479-y

Dəqiq proqnozlar vermək və istənilən tapşırıqları etibarlı şəkildə yerinə yetirmək üçün əksər süni intellekt (AI) sistemləri böyük həcmdə məlumatları sürətlə təhlil etməlidir. Bu, hazırda mövcud elektron cihazlarda ayrı olan emal və yaddaş vahidləri arasında məlumatların ötürülməsini nəzərdə tutur.

Son bir neçə ildə bir çox mühəndis süni intellekt alqoritmlərini daha səmərəli işlədə bilən, yaddaşda hesablama (CIM) sistemləri kimi tanınan yeni aparat hazırlamağa çalışır. CIM sistemləri həm hesablamaları yerinə yetirə, həm də məlumat saxlaya bilən elektron komponentlərdir, adətən həm prosessor, həm də qeyri-sabit yaddaş kimi xidmət edir. Qeyri-uçucu, mahiyyətcə, onlar söndürüldükdə belə məlumatları saxlaya biləcəkləri deməkdir.

Daha əvvəl təqdim edilmiş CIM dizaynlarının əksəriyyəti cihazlara elektrik cərəyanından istifadə edərək hesablamalar aparmağa imkan verən analoq hesablama yanaşmalarına əsaslanır. Yaxşı enerji səmərəliliyinə baxmayaraq, analoq hesablama üsulları rəqəmsal hesablama metodlarından əhəmiyyətli dərəcədə az dəqiqdir və çox vaxt böyük süni intellekt modellərini və ya böyük həcmdə məlumatı etibarlı şəkildə idarə edə bilmir.

Cənubi Elm və Texnologiya Universiteti, Xi’an Jiaotong Universiteti və digər institutların tədqiqatçıları bu yaxınlarda süni intellekt modellərini daha sürətli və daha enerji səmərəli idarə etməyə kömək edə biləcək yeni perspektivli CIM çipi hazırlayıblar.

Onların təklif etdiyi sistem, Nature Electronics- də dərc olunmuş məqalədə təsvir edilmiş , ikili məlumat vahidlərini (yəni, 0 və 1 s) əsas təbəqələrindən birinin maqnit oriyentasiyasında saxlaya bilən spintronik cihaz olan spin-transfer torklu maqnit-təsadüfi giriş yaddaşı (STT-MRAM) adlanan sistemə əsaslanır.

https://googleads.g.doubleclick.net/pagead/ads?gdpr=0&us_privacy=1—&gpp_sid=-1&client=ca-pub-0536483524803400&output=html&h=280&slotname=2793866484&adk=2520359048&adf=1100001614&pi=t.ma~as.2793866484&w=750&fwrn=4&fwrnh=0&lmt=1761817791&rafmt=1&armr=3&format=750×280&url=https%3A%2F%2Ftechxplore.com%2Fnews%2F2025-10-ai-efficiency-advances-spintronic-memory.html&fwr=0&rpe=1&resp_fmts=3&wgl=1&aieuf=1&aicrs=1&uach=WyJXaW5kb3dzIiwiMTkuMC4wIiwieDg2IiwiIiwiMTQxLjAuNzM5MC41NSIsbnVsbCwwLG51bGwsIjY0IixbWyJHb29nbGUgQ2hyb21lIiwiMTQxLjAuNzM5MC41NSJdLFsiTm90P0FfQnJhbmQiLCI4LjAuMC4wIl0sWyJDaHJvbWl1bSIsIjE0MS4wLjczOTAuNTUiXV0sMF0.&abgtt=6&dt=1761817790857&bpp=10&bdt=209&idt=89&shv=r20251024&mjsv=m202510280101&ptt=9&saldr=aa&abxe=1&cookie=ID%3Dfdc40d724f2dca57%3AT%3D1735367325%3ART%3D1761817748%3AS%3DALNI_MYStQ6fUQQQLyo5Z7z1h-XhXcWBtA&gpic=UID%3D00000f80eacffadc%3AT%3D1735367325%3ART%3D1761817748%3AS%3DALNI_MYaOugky0UawScoidzfbXof3-N-iw&eo_id_str=ID%3D878d521b85743f4c%3AT%3D1751526237%3ART%3D1761817748%3AS%3DAA-AfjZCLruwaFzoQORvGPwXS3Y2&prev_fmts=0x0&nras=1&correlator=2882939800552&frm=20&pv=1&rplot=4&u_tz=240&u_his=1&u_h=1080&u_w=1920&u_ah=1032&u_aw=1920&u_cd=24&u_sd=1&dmc=8&adx=448&ady=1948&biw=1905&bih=945&scr_x=0&scr_y=0&eid=31095509%2C31095511%2C42532524%2C95375934%2C95376113%2C31095530%2C95344789%2C95368094&oid=2&pvsid=1023671538293243&tmod=376086811&uas=0&nvt=1&ref=https%3A%2F%2Fphys.org%2F&fc=1920&brdim=0%2C0%2C0%2C0%2C1920%2C0%2C1920%2C1032%2C1920%2C945&vis=1&rsz=%7C%7CpeEbr%7C&abl=CS&pfx=0&fu=128&bc=31&plas=164x742_l%7C164x742_r&bz=1&td=1&tdf=2&psd=W251bGwsbnVsbCxudWxsLDNd&nt=1&ifi=2&uci=a!2&btvi=1&fsb=1&dtd=213

AI-ni daha səmərəli idarə etmək üçün spintronikadan istifadə

STT-MRAM cihazları, bu tədqiqat qrupu tərəfindən istifadə edilən cihaz kimi, mahiyyətcə maqnit tunel qovşağı (MTJ) kimi tanınan kiçik bir quruluşdan ibarətdir. Bu strukturun üç qatı, “sabit” oriyentasiyası olan maqnit təbəqəsi, oriyentasiyasını dəyişə bilən maqnit təbəqəsi və digər iki təbəqəni ayıran nazik izolyasiya təbəqəsi var.

İki maqnit təbəqəsi paralel maqnit istiqamətlərinə malik olduqda, elektronlar cihaz vasitəsilə asanlıqla tunel keçə bilər, lakin onlar bir-birinə əks olduqda, müqavimət artır və elektronların axını daha çətinləşir. STT-MRAM cihazları ikili məlumatları saxlamaq üçün bu iki fərqli vəziyyətdən istifadə edir.

Humiao Li, Zheng Chai və onların həmkarları öz məqalələrində yazır : “Uçucu olmayan CIM makroları (yəni, həm məlumatları emal edə, həm də saxlaya bilən çip daxilində əvvəlcədən hazırlanmış funksional modullar) sürətli və enerjiyə qənaət edən süni intellekt hesablamalarını təmin edərək, emal və yaddaş vahidləri arasında məlumat ötürülməsini azalda bilər”.

“Lakin qeyri-uçucu CIM arxitekturası adətən dəqiqlik, genişlənmə və möhkəmlik baxımından məhdud olan analoq hesablamaya əsaslanır. Biz 40 nm STT-MRAM texnologiyasına əsaslanan 64 kb-lik uçucu olmayan rəqəmsal yaddaşda hesablama makrosu haqqında məlumat veririk.”

Daha genişlənən AI aparatına doğru bir addım

Tədqiqatçılar tərəfindən təqdim edilən STT-MRAM əsaslı modul etibarlı şəkildə hesablamalar apara və bitləri bir cihaz daxilində saxlaya bilər. İlkin sınaqlarda o, iki fərqli növ neyron şəbəkəsini diqqətəlayiq sürət və dəqiqliklə idarə edərək, olduqca yaxşı çıxış etdi.

“Bizim makro xüsusiyyətlərimiz bitcell səviyyəsində in situ çoxalma və rəqəmsallaşdırma, makro səviyyədə dəqiqliklə yenidən konfiqurasiya edilə bilən rəqəmsal əlavə və toplanma və alqoritm səviyyəsində keçid sürətindən xəbərdar olan təlim sxemi” dedi müəlliflər. “Makro çevik giriş və çəki dəqiqliyi (4, 8, 12 və 16 bit) ilə itkisiz matris-vektor vurmalarını dəstəkləyir və 8 bit dəqiqlikdə qalıq şəbəkə və 16 bit dəqiqlikdə fizikadan məlumatlı neyron şəbəkələr üçün proqram təminatına bərabər nəticə çıxara bilər.

“Makromuz 7,4-29,6 ns hesablama gecikmələrinə və 4 ilə 16 bit arasında dəyişən dəqiq konfiqurasiyalar üzrə tam paralel matris-vektor çarpmaları üçün bir vattda saniyədə 7,02-112,3 tera-əməliyyat enerji səmərəliliyinə malikdir.”

Gələcəkdə komandanın yeni işləyib hazırladığı CIM modulu böyük məlumat mərkəzlərinə etibar etmədən, AI-nin birbaşa portativ cihazlarda enerjiyə qənaət edən tətbiqinə töhfə verə bilər. Növbəti bir neçə il ərzində o, STT-MRAM və ya digər spintronik cihazlar əsasında oxşar CIM sistemlərinin inkişafına da ilham verə bilər.

Müəllifimiz İnqrid Fadelli tərəfindən sizin üçün yazılmış , Liza Lok tərəfindən redaktə edilmiş və Robert Eqan tərəfindən yoxlanılmış və nəzərdən keçirilmiş bu məqalə diqqətli insan əməyinin nəticəsidir. Müstəqil elmi jurnalistikanı yaşatmaq üçün sizin kimi oxuculara güvənirik. Bu hesabat sizin üçün əhəmiyyət kəsb edirsə, lütfən, ianə (xüsusilə aylıq) nəzərdən keçirin. Siz təşəkkür olaraq reklamsız hesab əldə edəcəksiniz .

Daha çox məlumat: Humiao Li və digərləri, Süni intellekt çipləri üçün itkisiz və tam paralel spintronik yaddaşda hesablama makrosu, Nature Electronics (2025). DOI: 10.1038/s41928-025-01479-y

Jurnal məlumatı: Nature Electronics 

© 2025 Science X Network