IBM研究人員正在開發一種新的計算機體系結構，使其能夠更好地處理來自人工智能的更多數據負載。他們的設計借鑒了人腦的概念，在比較研究中明顯優于傳統計算機。他們在《應用物理雜志》上報告了他們最近的發現。

當今的計算機以1940年代開發的馮·諾依曼（von Neumann）架構為基礎。馮·諾依曼計算系統具有執行邏輯和算術的中央處理器，存儲單元，存儲以及輸入和輸出設備。與傳統計算機中的瘦腿部件不同，作者提出，靈感來自大腦的計算機可以具有共存的處理和存儲單元。

該論文的作者阿布·塞巴斯蒂安（Abu Sebastian）解釋說，在計算機內存中執行某些計算任務將提高系統的效率并節省能源。

塞巴斯蒂安說：“如果看人類，我們的計算功率為20至30瓦，而當今的AI是基于以千瓦或兆瓦功率運行的超級計算機的。” “在大腦中，突觸既計算又存儲信息。在馮·諾依曼之外的新架構中，內存在計算中必須發揮更加積極的作用。”

IBM團隊從大腦中汲取了三個不同層次的靈感。第一級利用存儲設備的狀態動態來在內存本身中執行計算任務，類似于如何將大腦的內存和處理置于同一位置。第二級利用大腦的突觸網絡結構作為相變記憶（PCM）設備陣列的靈感，以加快深度神經網絡的訓練。最后，神經元和突觸的動態性和隨機性激發了團隊為尖刺神經網絡創建強大的計算基礎。

相變存儲器是一種納米級存儲設備，由夾在電極之間的Ge，Te和Sb化合物構建。這些化合物根據其原子排列表現出不同的電性能。例如，在無序相中，這些材料表現出高電阻率，而在結晶相中，它們表現出低電阻率。

通過施加電脈沖，研究人員調節了結晶相和非晶相中材料的比例，因此相變存儲器件可以支持連續的電阻或電導。這種模擬存儲更好地類似于非二進制生物突觸，并使更多信息可以存儲在單個納米級設備中。

Sebastian和他的IBM同事在對這些擬議系統的效率進行比較研究時遇到了令人驚訝的結果。“我們一直期望這些系統在某些任務上會比傳統的計算機系統好得多，但是我們驚訝的是其中一些方法的效率更高。”

去年，他們在常規計算機和基于相變存儲設備的原型計算存儲平臺上運行了無監督的機器學習算法。“ 與傳統的計算系統相比，相變存儲器計算系統的性能提高了200倍。” 塞巴斯蒂安說。“我們一直都知道它們會高效，但是我們并不期望它們有這么大的表現。” 該團隊繼續基于大腦啟發的概念來構建原型芯片和系統。