RRAM المجمعة: توسيع نطاق جدار ذاكرة الذكاء الاصطناعي

يجري البحث عن أي شيء يمكنه التغلب على الذكاء الاصطناعي جدار الذاكرة الدائم– حتى النماذج السريعة تتعطل بسبب الوقت والطاقة اللازمتين لنقل البيانات بين المعالج والذاكرة. ذاكرة الوصول العشوائي المقاومة (RRAM) يمكن أن يتحايل على الجدار من خلال السماح بإجراء العمليات الحسابية في الذاكرة نفسها. ولسوء الحظ، فإن معظم أنواع هذه الذاكرة غير المتطايرة غير مستقرة وغير عملية لتحقيق هذا الغرض.

ولحسن الحظ، قد يكون الحل المحتمل في متناول اليد. في اجتماع IEEE الدولي للأجهزة الإلكترونية (IEDM) في ديسمبر، أظهر باحثون من جامعة كاليفورنيا في سان دييغو أنهم يستطيعون تشغيل خوارزمية تعليمية على نوع جديد تمامًا من RRAM.

يقول دويغو كوزوم، وهو مهندس كهربائي في جامعة كاليفورنيا، سان دييغو، الذي قاد العمل: “لقد قمنا في الواقع بإعادة تصميم ذاكرة الوصول العشوائي (RRAM)، وأعدنا التفكير بالكامل في طريقة تبديلها”.

يقوم RRAM بتخزين البيانات كمستوى مقاومة لتدفق التيار. يمكن إجراء العملية الرقمية الرئيسية في الشبكة العصبية – ضرب صفائف من الأرقام ثم جمع النتائج – بطريقة تناظرية ببساطة عن طريق تشغيل التيار عبر مجموعة من خلايا RRAM، وربط مخرجاتها، وقياس التيار الناتج.

تقليديًا، تقوم RRAM بتخزين البيانات عن طريق إنشاء خيوط منخفضة المقاومة في محيط عالي المقاومة لمادة عازلة. غالبًا ما يتطلب تكوين هذه الخيوط جهدًا كهربائيًا مرتفعًا جدًا بالنسبة لـ CMOS القياسي، مما يعيق تكاملها داخل المعالجات. والأسوأ من ذلك أن تشكيل الخيوط هو عملية صاخبة وعشوائية، وليست مثالية لتخزين البيانات. (تخيل أن أوزان الشبكة العصبية تنجرف بشكل عشوائي. وتتغير الإجابات على نفس السؤال من يوم إلى آخر.)

علاوة على ذلك، فإن الطبيعة الصاخبة لمعظم خلايا RRAM القائمة على الخيوط تعني أنه يجب عزلها عن الدوائر المحيطة بها، عادةً باستخدام ترانزستور محدد، مما يجعل التراص ثلاثي الأبعاد أمرًا صعبًا.

تعني مثل هذه القيود أن ذاكرة الوصول العشوائي التقليدية (RRAM) ليست رائعة للحوسبة. على وجه الخصوص، يقول كوزوم، إنه من الصعب استخدام ذاكرة الوصول العشوائي الخيطية (RRAM) الخيطية لهذا النوع من عمليات المصفوفة المتوازية التي تعتبر ضرورية للشبكات العصبية اليوم.

لذلك، قرر الباحثون في سان دييغو الاستغناء عن الخيوط بالكامل. وبدلاً من ذلك، قاموا بتطوير أجهزة تقوم بتحويل الطبقة بأكملها من المقاومة العالية إلى المقاومة المنخفضة والعودة مرة أخرى. يمكن لهذا التنسيق، المسمى “Bulk RRAM”، التخلص من كل من خطوة تشكيل الفتيل ذات الجهد العالي المزعجة وترانزستور التحديد المحدود للهندسة.

لم تكن مجموعة سان دييغو أول من قام ببناء أجهزة RRAM كبيرة الحجم، ولكنها حققت اختراقات في تقليصها وتشكيل دوائر ثلاثية الأبعاد بها. قامت كوزوم وزملاؤها بتقليص ذاكرة الوصول العشوائي (RRAM) إلى مقياس النانو؛ كان عرض أجهزتهم 40 نانومتر فقط. لقد تمكنوا أيضًا من تكديس كميات كبيرة من ذاكرة الوصول العشوائي (RRAM) في ما يصل إلى ثماني طبقات.

مع نبضة واحدة ذات جهد متطابق، مجموعة مكونة من ثماني طبقات من الخلايا يمكن لكل منها أن تأخذ أيًا من قيم المقاومة البالغ عددها 64، وهو رقم يصعب تحقيقه للغاية باستخدام ذاكرة الوصول العشوائي الخيطية التقليدية. وفي حين أن مقاومة معظم الخلايا القائمة على الخيوط تقتصر على كيلو أوم، فإن مجموعة سان دييجو تقع في نطاق ميجا أوم، وهو ما يقول كوزوم إنه أفضل للعمليات المتوازية. ه

يقول كوزوم: “يمكننا في الواقع ضبطه على أي مكان نريده، ولكننا نعتقد أنه من منظور التكامل والمحاكاة على مستوى النظام، فإن الميجا أوم هو النطاق المرغوب فيه”.

هاتان الميزتان – عدد أكبر من مستويات المقاومة ومقاومة أعلى – يمكن أن تسمحا لمكدس RRAM المجمع هذا بأداء عمليات أكثر تعقيدًا مما تستطيع RRAM التقليدية إدارته.

قام كوزوم وزملاؤه بتجميع عدة مكدسات مكونة من ثماني طبقات في مصفوفة سعة 1 كيلو بايت، والتي لا تتطلب أي محددات. بعد ذلك، قاموا باختبار المصفوفة باستخدام خوارزمية التعلم المستمر: جعل الشريحة تصنف البيانات من أجهزة الاستشعار القابلة للارتداء – على سبيل المثال، قراءة البيانات من هاتف ذكي مثبت على الخصر لتحديد ما إذا كان مرتديه جالسًا، أو يمشي، أو يصعد السلالم، أو يتخذ إجراءً آخر – مع إضافة بيانات جديدة باستمرار. وأظهرت الاختبارات دقة بنسبة 90%، والتي يقول الباحثون إنها مماثلة لأداء الشبكة العصبية المنفذة رقميًا.

يجسد هذا الاختبار ما يعتقد كوزوم أنه يمكن أن يستفيد بشكل خاص من RRAM المجمعة: نماذج الشبكة العصبية على الأجهزة الطرفية، والتي قد تحتاج إلى التعلم من بيئتها دون الوصول إلى السحابة.

يقول كوزوم: “إننا نقوم بالكثير من التوصيف وتحسين المواد لتصميم جهاز مصمم خصيصًا لتطبيقات الذكاء الاصطناعي”.

يقول ألبرت تالين، عالم المواد في مختبرات سانديا الوطنية في ليفرمور، كاليفورنيا، وباحث كبير في مجال RRAM، والذي لم يشارك في عمل مجموعة سان دييغو، إن القدرة على دمج RRAM في مصفوفة مثل هذه تمثل تقدمًا كبيرًا. ويقول: “أعتقد أن أي خطوة فيما يتعلق بالتكامل مفيدة للغاية”.

لكن تالين يسلط الضوء على عقبة محتملة: القدرة على الاحتفاظ بالبيانات لفترة طويلة من الزمن. في حين أظهر فريق سان دييغو أن ذاكرة الوصول العشوائي الخاصة بهم يمكنها الاحتفاظ بالبيانات في درجة حرارة الغرفة لعدة سنوات (على قدم المساواة مع ذاكرة الفلاش)، يقول تالين إن الاحتفاظ بها في درجات حرارة أعلى حيث تعمل أجهزة الكمبيوتر فعليًا هو أقل تأكيدًا. ويقول: “هذا أحد التحديات الرئيسية لهذه التكنولوجيا”، خاصة عندما يتعلق الأمر بالتطبيقات الطرفية.

إذا تمكن المهندسون من إثبات التكنولوجيا، فقد تستفيد جميع أنواع النماذج. وقد ارتفع جدار الذاكرة هذا فقط خلال هذا العقد، حيث لم تتمكن الذاكرة التقليدية من مواكبة المتطلبات المتزايدة للنماذج الكبيرة. أي شيء يسمح للنماذج بالعمل على الذاكرة نفسها يمكن أن يكون اختصارًا مرحبًا به.