De tijd is voorbij dat geheugens uitsluitend dienen als passief opslagmedium. Ze kunnen sommige rekentaken prima uitvoeren, blijkt uit onderzoek van IBM.
Moderne computers en smartphones werken allemaal volgens hetzelfde principe: een processor haalt data op uit het geheugen, voert er een bewerking op uit en stuurt het resultaat terug naar het geheugen. Dit proces herhaalt zich net zolang tot een berekening (taak) is voltooid.
Al dat heen en weer slepen van bits kost veel tijd en energie. Sommige experts denken zelfs dat het binnen enkele jaren niet meer loont om processor en geheugen sneller te maken, omdat hun onderlinge communicatie de bottleneck vormt.
Als mogelijke oplossing experimenteren onderzoekers met architecturen waarbij berekening en opslag op dezelfde plek gebeuren. Een van de kandidaten is de moderne implementatie van phase-change memory (pcm), een geheugen dat is gebaseerd op hoe goed of slecht een klein beetje van een speciaal materiaal stroom geleidt. Hoge geleiding kan een 1 voorstellen, lage of geen geleiding een 0, maar ook waarden ertussenin zijn mogelijk. De waarde in een geheugenelement verandert door er een stroompje doorheen te sturen: afhankelijk van de sterkte en de duur neemt de geleiding toe (of af).
Rekenen met pcm heeft iets weg van de manier waarop de hersenen werken. In het menselijke geheugen worden verbindingen tussen synapsen sterker naarmate ze vaker worden gebruikt. Op een vergelijkbare manier gaat een pcm-element sterker geleiden naarmate er vaker stroom doorheen wordt gestuurd. Het verschil is dat in biologische systemen synaptische verbindingen ook kunnen wegkwijnen. Zulk tweerichtingsverkeer is vooralsnog niet mogelijk in een pcm.
Device lifecycle management for fleets of IoT devices
Microchip gives insight on device management, what exactly is it, how to implement it and how to roll over the device management during the roll out phase when the products are in the field. Read more. .
Onderzoekers van IBM Research hebben aangetoond dat pcm’s desalniettemin vrij complexe rekentaken kunnen uitvoeren. Sterker nog: sommige problemen lossen zij sneller en energiezuiniger op dan de conventionele Von Neumann-architectuur.
Dienende rol
IBM’s pcm ontleent zijn eigenschappen aan het dynamische kristallisatiegedrag van een germaan-antimoon-telluur-legering. Een stroompuls van een exact getimede lengte maakt dit kristallijnen materiaal deels amorf, waardoor de geleiding afneemt. Met achtereenvolgende pulsjes is de amorfe fase beetje bij beetje weer te kristalliseren, zodat de geleiding stapsgewijs toeneemt. De toestand kan op gezette momenten worden uitgelezen en eventueel kan met een resetpuls de oorspronkelijke toestand worden hersteld.
Een matrix van duizend bij duizend geheugenelementen kan verbanden opsporen in dataverzamelingen, toont IBM aan in Nature Communications. De onderzoekers lieten hun pcm bijvoorbeeld door gegevens van 270 Amerikaanse weerstations ploegen om ruimtelijke correlaties te vinden tussen de plaatsen waar het regent. Dezelfde taak kost ongeveer tweehonderd keer meer tijd en energie als vier moderne gpu’s het zware werk moeten doen.
Er zijn meer deep learning-algoritmes die pcm’s efficiënt kunnen uitvoeren, maar er blijven altijd taken waarvoor Von Neumann-architecturen zich beter lenen. De IBM-onderzoekers dichten pcm’s dan ook een dienende rol toe, waarbij de hoofdprocessor selecte taken afschuift.
