几十年来，电子工程师一直在努力开发越来越先进的设备，这些设备可以更快地执行复杂的计算并消耗更少的能源。在人工智能（AI）和深度学习算法出现后，这一点变得更加突出，这些算法通常在数据存储和计算负载方面都有实质性的要求。
运行这些算法的一种有前途的方法称为模拟内存计算（AIMC）。顾名思义，这种方法包括开发可以在单个芯片上执行计算和存储数据的电子设备。为了切实实现速度和能耗的改善，这种方法理想情况
近日，IBM欧洲研究院的研究人员开发了一种基于相变存储设备的新型64核混合信号内存计算芯片，可以更好地支持深度神经网络的计算。这项技术突破在电子工程领域具有重要意义，有望大幅提高计算速度并降低能耗。
该芯片的核心创新在于采用了相变存储设备，这是一种具有非易失性、高耐久性和快速读写功能的先进存储技术。通过将相变存储设备与模拟内存计算技术相结合，研究人员成功实现了在单个芯片上同时执行计算和数据存储的操作。
这种混合信号内存计算芯片的核心理念是将计算和存储集成在一起，以实现更高的能效和更快的计算速度。通过将计算从传统的CPU转移到内存中，芯片能够大幅降低能耗并提高计算效率。此外，该芯片还采用了数字操作和通信技术，进一步提高了性能和可靠性。
为了验证该芯片的性能，研究人员在CIFAR-10图像数据集上进行了测试。结果显示，使用该芯片训练的深度神经网络能够达到92.81%的准确率，这一结果非常令人鼓舞。
该研究团队的领导者Manuel Le Gallo表示：“我们一直在研究如何使用相变存储器进行计算超过7年，从我们第一次展示如何使用单个相变存储设备实现神经元功能开始。有了这个新芯片，我们希望向端到端模拟AI推理加速器芯片迈出一步。”
这项技术的未来发展潜力巨大。通过进一步优化设计和提高芯片的集成度，研究人员相信这种混合信号内存计算芯片有望成为未来人工智能应用的理想选择。此外，结合近年来快速发展的硬件感知训练技术，该芯片有望在未来几年内为各种模型提供软件等效的神经网络精度。
这项研究的成果对于电子工程领域具有重要意义，为未来人工智能应用的发展提供了新的思路和方向。我们期待看到这种混合信号内存计算芯片在未来的更多应用和突破。