Hlavní navigace

V IBM objevili výrazně rychlejší fungování počítačů. I díky práci českého vědce

Jan Sedlák

Tradiční počítače zjednodušeně řečeno pracují tak, že jsou data držena v paměti, přenášena do procesoru na zpracování a pak zase přenášena zpět. Tento proces stroje zpomaluje (je to takzvaný „bottleneck“ nebo úzké hrdlo). Řada projektů proto řeší, jak data zpracovávat rovnou v paměti (in-memory computing).

Na pěknou věc nyní přišli ve výzkumném centru společnosti IBM v Curychu. Součástí sedmičlenného týmu, který na novince delší dobu pracuje, je i český vědec Tomáš Tůma. Ten do Curychu přišel jako absolvent českého Matfyzu, aby v IBM dokončil svoji doktorskou práci ohledně takzvané „phase change memory“ (PCM).

Vědci z IBM nyní v Nature ukazují, jak realizovat výpočty právě pomocí PCM, tedy za pomoci využití materiálů s fázovou změnou.

„Objevili a zveřejnili jsme nové paměťové techniky včetně kolokované paměti a prvního uložení 3 bitů na buňku v paměti fázové změny. Nyní představujeme slibné vlastnosti umělých neuronů postavených na fázové změně, které dovedou vykonávat několik jednoduchých výpočetních úkolů, jako například odhalování korelace dat a učení bez dohledu, s vysokou rychlostí a nízkým využitím energie,“ uvádí výzkumníci.

Umělé neurony vytvořené v IBM se skládají z materiálů s fázovou změnou včetně telluridu germania a antimonu, který se vyskytuje ve dvou stabilních formách: amorfní (bez jasně dané struktury) a krystalické (s jasnou strukturou).

„Tým v publikované ukázce vystavil umělé neurony sérii elektrických impulsů, což vedlo k postupné krystalizaci fázově proměnlivého materiálu, až se nakonec neuron aktivoval. V neurovědě je u biologických neuronů tato vlastnost známá jako integrate-and-fire. Jde o základ výpočetního procesu založeného na události a v zásadě se dá připodobnit k reakci v lidském mozku, když se dotkneme něčeho horkého,“ popisují dále v IBM.

V IBM už data na PCM zařízeních zpracovávají, což popisuje i další příspěvek od firmy. Prototyp využívající algoritmus pro strojové učení by měl vykazovat 200násobné zlepšení oproti běžným počítačům, a to jak z pohledu rychlosti, tak energetické náročnosti.

Našli jste v článku chybu?