IBM با «رایانش درون‌حافظه‌ای» سرعت کامپیوترها را تا 200 برابر افزایش می‌دهد!

IBM با «رایانش درون‌حافظه‌ای» سرعت کامپیوترها را تا 200 برابر افزایش می‌دهد!

دانشمندان IBM با اقتباس از مفهوم رایانش درون‌حافظه‌ای (In-Memory Computing) یا همان حافظۀ رایانشی (Computational Memory)، به معماری جدیدی دست یافته‌اند که سرعت عمل آن بسیار بیشتر از کامپیوترهای امروزی است.

رایانش درون‌حافظه‌ای (In-Memory Computing) چیست؟
برای پاسخ به این پرسش، باید سراغ یکی از بنیادی‌ترین اجزای کامپیوتر برویم: حافظهٔ رم! یکی از مزیت‌های حافظۀ‌ تصادفی یا اصطلاحاً حافظۀ رم، سرعت عمل آن در ذخیره و بازیابی اطلاعات است. حافظۀ رم را از جهاتی می‌توان به حافظۀ کوتاه‌مدت انسان تشبیه کرد که مدام با داده‌های جدیدی بازنویسی می‌شود.

وقتی سیستم‌عامل کامپیوتر یا موبایل‌تان بارگذاری می‌شود، حتی زمانی که ظاهراً کار خاصی انجام نمی‌دهید و فقط ماوس را بی‌هدف روی صفحه‌نمایش می‌چرخانید، یا همین حالا که مشغول مطالعۀ این مطلب هستید، داده‌های جدیدی در حافظۀ رم کامپیوترتان نوشته و داده‌هایی از آن پاک می‌شوند.

از همان آغاز همه می‌دانستند که سرعت عمل حافظۀ رم با هارددیسک‌ها و حتی حافظه‌های فلش قابل مقایسه نیست، اما پرهزینه بودن ساخت این نوع حافظه‌ها باعث شده بود تا کاربردش در دستگاه‌ها و دیوایس‌های دیجیتال، محدود بماند. با این حال، کاهش تدریجی هزینۀ ساخت طی سال‌های متمادی، سرانجام کاربردهای جدیدی را برای حافظۀ رم رقم زد که یکی از مهم‌ترین آنها، رایانش درون‌حافظه‌ای است.

 در رایانش درون‌حافظه‌ای، اطلاعات به‌ جای آنکه در دیتابیس‌های Relational (رابطه‌ای) مستقر روی دیسک‌های مغناطیسی ذخیره و از آنها بازیابی شود، در حافظۀ رم سرورهای اختصاصی (Dedicated Server) ذخیره می‌شود. این فناوری، مفهوم روبه‌رشدی است که می‌تواند معماری سنتی فون نویمان (Von Neumann) در کامپیوترهای امروزی را از گردونه خارج کند و خود به جای آن بنشیند (در معماری فون نویمان، رایانش و حافظه دو نظام یا دستگاه جدا از هم در نظر گرفته می‌شوند).  

در کامپیوترهای به‌اصطلاح سنتی، دادوستد مداوم داده‌ها بین حافظۀ رم و سی‌پی‌یو از سرعت پردازش می‌کاهد و انرژی زیادی مصرف می‌کند؛ اما رایانش درون‌حافظه‌ای، با کش کردن مستمر مقادیر انبوهی از داده‌ها، سرعت پاسخ‌گویی سیستم را حین جستجو به‌ طرز شگرفی افزایش می‌دهد. حال تصور کنید بهره بردن از این شیوه در حیطه‌هایی مثل هوش مصنوعی و کلان‌داده‌ها (بیگ‌ دیتا) تا چه حد می‌تواند کارآمد باشد!

افزایش سرعت کامپیوترها تا 200 برابر توسط IBM
اکنون باز می‌گردیم به موضوع اصلی، یعنی دستاورد جدید IBM. این شرکت، به‌تازگی یک الگوریتم یادگیری ماشینی نظارت نشده (Unsupervised Machine Leaning) طراحی کرده است که روی یک میلیون حافظهٔ PCM (حافظه تغییر فاز یا Phase Changing Memory) اجرا می‌شود (برای آشنایی بیشتر با مفهوم یادگیری ماشینی، به مقالهٔ یادگیری ماشینی چیست؟ مراجعه نمایید).

حافظۀ تغییر فاز، نوعی حافظهٔ رم است که داده‌ها را با استفاده از تغییر حالت ماده ذخیره می‌کند. در این نوع حافظه، آلیاژ «ژرمانیوم آنتیموان‌ تلورید» بین دو الکترود قرار می‌گیرد. با اعمال جریان الکتریکی جزئی به این ماده و ایجاد گرما، حالت آن از آمورف به کریستالین تغییر می‌یابد و اطلاعات را ذخیره می‌کند. در واقع، همان گونه که دکتر ابو سباستین (Abu Sebastian)، دانشمند و پژوهشگر IBM نیز اشاره می‌کند، در این فناوری، هم خود رایانش در حافظه‌های رم PCM انجام می‌گیرد و هم نتیجهٔ آن در این حافظه‌ها ذخیره می‌شود. به گفتهٔ وی:

این بُعد از رایانش درون‌حافظه‌ای، تا حد زیادی وام‌دار نحوهٔ محاسبات در مغز انسان است.  

انتظار می‌رود که این فناوری، هم از حیث سرعت و هم بهره‌وری انرژی، 200 برابر سریع‌تر از کامپیوترهای کلاسیک امروزی باشد و به ساخت سیستم‌های رایانشی فوق‌متراکم، کم‌مصرف، و عمدتاً موازی که در صنعت هوش مصنوعی کاربرد دارند، منجر شود (برای آشنایی بیشتر با مفهوم هوش مصنوعی، به مقالهٔ هوش مصنوعی (AI) چیست؟ مراجعه نمایید).

برای اطلاع از تلاش‌های جاری آی‌بی‌ام درخصوص رایانش درون‌حافظه‌ای، می‌توانید به مقالۀ‌ تحقیقاتی آنها در مجلۀ Nature Communications مراجعه کنید.

منبع


علی حسینی