суббота, 3 сентября 2016 г.

phase-change random access memory

http://www.computerworld.ru/articles/IBM-predstavlyaet-pervye-v-mire-iskusstvennye-neyrony


Память PCM, известная также как память произвольного доступа с изменением фазового состояния (phase-change random access memory, PRAM), представляет собой энергонезависимую память, в основе работы которой лежит перевод стекловидного материала из кристаллического состояния в аморфное под воздействием электрического импульса.

При подаче напряжения ячейки памяти PCM переходят из одного состояния в другое, что соответствует нулям и единицам битов данных. При этом ячейки PCM могут принимать более двух состояний, не ограничиваясь только нулями и единицами.

Пытаясь создать новый тип энергонезависимой памяти, в IBM, Micron, Samsung и Everspin активно экспериментируют с технологией PCM, которая опережает флеш-память NAND по быстродействию в 100 раз и значительно превосходит ее по надежности. Конечно, памяти PCM еще предстоит доказывать свою состоятельность, в том числе и из-за дороговизны. Но в отличие от памяти NAND, хранящей в одной ячейке несколько битов данных, информация в ячейках PCM не разрушается.

Впрочем, последние исследования направлены на создание не нового типа энергонезависимой памяти, а нового типа процессоров.

«На протяжении десяти лет мы изучали материалы с изменением фазового состояния, на основе которых можно было бы создавать память, и в последние два года достигнутый прогресс был особенно заметен, – подчеркнул Элефтериу. – В этот период мы открыли новые технологии памяти, впервые записали в ячейку PCM три бита данных, а теперь демонстрируем мощные возможности искусственных нейронов, созданных на базе изменения фазового состояния».

Искусственные нейроны состоят из материалов с фазовым переходом, в том числе из теллурида сурьмы и германия. Из тех же материалов изготавливаются сегодня и перезаписываемые диски Blu-ray. Однако искусственные нейроны не хранят цифровой информации; они являются аналоговыми, точно так же, как синапсы и нейроны нашего мозга.

В ходе демонстрации команда исследователей воздействовала на искусственные нейроны серией электрических импульсов, которые вызывали прогрессивный переход материала в кристаллическое состояние, заставляя нейроны срабатывать. В нейробиологии эта функция известна как свойство интеграции и возбуждения (integrate-and-fire) биологических нейронов. Она является основой для вычислений на базе событий и похожа на реакцию мозга на наше прикосновение к чему-то горячему.

Leaky Integrate-and-Fire Model http://icwww.epfl.ch/~gerstner/SPNM/node26.html

Figure 4.1: Schematic diagram of the integrate-and-fire model. The basic circuit is the module inside the dashed circle on the right-hand side. A current I(t) charges the RC circuit. The voltage u(t) across the capacitance (points) is compared to a threshold $ \vartheta$. If u(t) = $ \vartheta$ at time ti(f) an output pulse $ \delta$(t -ti(f)) is generated. Left part: A presynaptic spike $ \delta$(t - tj(f)) is low-pass filtered at the synapse and generates an input current pulse $ \alpha$(t - tj(f)).

\centerline{ \includegraphics[width=100mm]{I-Fnew.eps}}

The basic circuit of an integrate-and-fire model consists of a capacitor C in parallel with a resistor R driven by a current I(t); see Fig. 4.1. The driving current can be split into two components, I(t) = IR + IC. The first component is the resistive current IR which passes through the linear resistor R. It can be calculated from Ohm's law as IR = u/R where u is the voltage across the resistor. The second component IC charges the capacitor C. From the definition of the capacity as C = q/u (where qis the charge and u the voltage), we find a capacitive current IC = C du/dt. Thus

I(t) = $\displaystyle {u(t)\over R}$ + C $\displaystyle {{\text{d}}u\over {\text{d}}t}$ .
(4.2)

We multiply (4.2) by R and introduce the time constant $ \tau_{m}^{}$ = R C of the `leaky integrator'. This yields the standard form

$\displaystyle \tau_{m}^{}$ $\displaystyle {{\text{d}}u\over {\text{d}}t}$ = - u(t) + R I(t) .
(4.3)

We refer to u as the membrane potential and to $ \tau_{m}^{}$ as the membrane time constant of the neuron.

In integrate-and-fire models the form of an action potential is not described explicitly. Spikes are formal events characterized by a `firing time' t(f). The firing time t(f)is defined by a threshold criterion

t(f) :     u(t(f)) = $\displaystyle \vartheta$ .
(4.4)

Immediately after t(f), the potential is reset to a new value ur < $ \vartheta$,

$\displaystyle \lim_{{t\to t^{(f)}; t>t^{(f)}}}^{}$u(t) = ur .
(4.5)

For t > t(f) the dynamics is again given by (4.3) until the next threshold crossing occurs. The combination of leaky integration (4.3) and reset (4.5) defines the basic integrate-and-fire model (Stein, 1967b). We note that, since the membrane potential is never above threshold, the threshold condition (4.1) reduces to the criterion (4.4), i.e., the condition on the slope du/dt can be dropped.

In its general version, the leaky integrate-and-fire neuron may also incorporate an absolute refractory period, in which case we proceed as follows. If u reaches the threshold at time t = t(f), we interrupt the dynamics (4.3) during an absolute refractory time $ \Delta^{{\rm abs}}_{}$ and restart the integration at time t(f) + $ \Delta^{{\rm abs}}_{}$ with the new initial condition ur.

4.1.1.1 Example: Constant stimulation and firing rates

Before we continue with the definition of the integrate-and-fire model and its variants, let us study a simple example. Suppose that the integrate-and-fire neuron defined by (4.3)-(4.5) is stimulated by a constant input current I(t) = I0. For the sake of simplicity we take the reset potential to be ur = 0.

As a first step, let us calculate the time course of the membrane potential. We assume that a spike has occurred at t = t(1). The trajectory of the membrane potential can be found by integrating (4.3) with the initial condition u(t(1)) = ur = 0. The solution is

u(t) = R I0$\displaystyle \left[\vphantom{ 1 - \exp\left(-{t-t^{(1)} \over \tau_m} \right) }\right.$1 - exp$\displaystyle \left(\vphantom{-{t-t^{(1)} \over \tau_m} }\right.$ - $\displaystyle {t-t^{(1)} \over \tau_m}$$\displaystyle \left.\vphantom{-{t-t^{(1)} \over \tau_m} }\right)$$\displaystyle \left.\vphantom{ 1 - \exp\left(-{t-t^{(1)} \over \tau_m} \right) }\right]$ .
(4.6)

The membrane potential (4.6) approaches for t$ \to$$ \infty$ the asymptotic value u($ \infty$) = R I0. For R I0 < $ \vartheta$ no further spike can occur. For R I0 > $ \vartheta$, the membrane potential reaches the threshold $ \vartheta$ at time t(2), which can be found from the threshold condition u(t(2)) = $ \vartheta$ or

$\displaystyle \vartheta$ = R I0$\displaystyle \left[\vphantom{1 - \exp\left(-{t^{(2)}-t^{(1)} \over \tau_m}\right) }\right.$1 - exp$\displaystyle \left(\vphantom{-{t^{(2)}-t^{(1)} \over \tau_m}}\right.$ - $\displaystyle {t^{(2)}-t^{(1)} \over \tau_m}$$\displaystyle \left.\vphantom{-{t^{(2)}-t^{(1)} \over \tau_m}}\right)$$\displaystyle \left.\vphantom{1 - \exp\left(-{t^{(2)}-t^{(1)} \over \tau_m}\right) }\right]$ .
(4.7)

Solving (4.7) for the time interval T = t(2) - t(1) yields

T = $\displaystyle \tau_{m}^{}$ ln$\displaystyle {R\, I_0 \over R\, I_0 - \vartheta}$ .
(4.8)

After the spike at t(2) the membrane potential is again reset to ur = 0 and the integration process starts again. If the stimulus I0 remains constant, the following spike will occur after another interval of duration T. We conclude that for a constant input current I0, the integrate-and-fire neuron fires regularly with period T given by (4.8). For a neuron with absolute refractory period the firing period T' is given by T' = T + $ \Delta^{{\rm abs}}_{}$ with T defined by Eq. (4.8). In other words, the interspike interval is longer by an amount $ \Delta^{{\rm abs}}_{}$ compared to that of a neuron without absolute refractory period.

Figure 4.2: A. Time course of the membrane potential of an integrate-and-fire neuron driven by constant input current I0 = 1.5. The voltage u(t) is normalized by the value of the threshold $ \vartheta$ = 1. B. Gain function. The firing rate $ \nu$ of an integrate-and-fire neuron without (solid line) and with absolute refractoriness of $ \delta_{{\rm abs}}^{}$ = 4 ms (dashed line) as a function of a constant driving current I0. Current units are normalized so that the onset of repetitive firing is at I$\scriptstyle \theta$ = 1. Other parameters are R = 1, $ \tau_{m}^{}$ = 10ms, and ur = 0.

\begin{minipage}{0.45\textwidth}
{\bf A}
\par\includegraphics[width=\textwidth]...
... B}
\par\includegraphics[width=\textwidth]{pout.dat.IF-gain.eps}
\end{minipage}

The mean firing rate of a noiseless neuron is defined as $ \nu$ = 1/T. The firing rate of an integrate-and-fire model with absolute refractory period $ \Delta^{{\rm abs}}_{}$ stimulated by a current I0 is therefore

$\displaystyle \nu$ = $\displaystyle \left[\vphantom{\Delta^{\rm abs}+ \tau_m \, {\rm ln} {R\, I_0 \over R\, I _0 - \vartheta} }\right.$$\displaystyle \Delta^{{\rm abs}}_{}$ + $\displaystyle \tau_{m}^{}$ ln$\displaystyle {R\, I_0 \over R\, I_0 - \vartheta}$$\displaystyle \left.\vphantom{\Delta^{\rm abs}+ \tau_m \, {\rm ln} {R\, I_0 \over R\, I _0 - \vartheta} }\right]^{{-1}}_{}$ .
(4.9)

In Fig. 4.2B the firing rate is plotted as a function of the constant input I0 for neurons with and without absolute refractory period.

Отличительной особенностью искусственных нейронов IBM является также их способность к самообучению с последующим использованием в энергоемких приложениях анализа данных, позволяющих выявлять в социальных сетях или на фондовом рынке произвольные тенденции.

Например, торговля на бирже одними акциями может повлиять на другие, причем распознать эту корреляцию будет весьма непросто. Используя искусственные нейроны, можно выявить и корреляцию между двумя видами акций, – добавил Элефтериу. – Каким образом они связаны друг с другом? Мы не знаем. Не знаем и почему так происходит, но данные свидетельствуют о наличии связи, а синапсы демонстрируют эту корреляцию

По сути, все должно работать так же, как работает мозг: короткие электрические импульсы, проходящие через синапсы, возбуждают нейроны, – пояснил ведущий сотрудник подразделения IBM Research в Цюрихе и один из авторов статьи Томас Тума. – Для изменения фазового состояния материала мы используем короткий импульс продолжительностью, скажем, в наносекунду.

Мемы&медиавирусы

Loading...