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) به معماری جدیدی دست یافته‌اند که پرفرومنس آن بسیار بیشتر از کامپیوترهای امروزی است.

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

وقتی سیستم‌عامل 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 قابل‌مقایسه 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 In-Memory Computing است. 

در رایانش درون‌حافظه‌ای اطلاعات به‌ جای آنکه در دیتابیس‌های رابطه‌ای نصب‌شده روی دیسک‌های مغناطیسی ذخیره و از آن‌ها بازیابی شود، در حافظۀ رم سرورهای اختصاصی ذخیره می‌شود. به طور کلی، این فناوری مفهوم روبه‌رشدی است که می‌تواند معماری سنتی Von Neumann در کامپیوترهای امروزی را از گردانه خارج کند و خود به جای آن بنشیند (در این نوع معماری، رایانش و حافظه دو سیستم جدا از هم در نظر گرفته می‌شوند.)  

در کامپیوترهای به‌ اصطلاح سنتی، دادوستد مداوم داده‌ها بین حافظۀ رم و سی‌پی‌یو از سرعت پردازش می‌کاهد و انرژی زیادی مصرف می‌کند اما رایانش درون‌حافظه‌ای با کَش 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 تا چه حد می‌تواند کارآمد باشد.)

افزایش سرعت کامپیوترها تا 200 برابر توسط IBM
اکنون باز می‌گردیم به موضوع اصلی، یعنی دستاورد جدید IBM مبنی بر اینکه یک الگوریتم یادگیری ماشینی نظارت‌نشده طراحی کرده است که روی یک میلیون حافظهٔ Phase Changing Memory یا به اختصار PCM اجرا می‌شود. PCM نوعی حافظهٔ رم است که داده‌ها را با استفاده از تغییر حالت ماده ذخیره می‌کند که در ساخت آن آلیاژی به نام ژرمانیوم آنتیموان‌ تلورید بین دو الکترود قرار می‌گیرد و با اِعمال جریان الکتریکی جزئی به این ماده و ایجاد گرما، حالت آن از آمورف به کریستالین تغییر می‌یابد و اطلاعات را ذخیره می‌کند.

در واقع، همان‌گونه که Abu Sebastian، دانشمند و پژوهشگر IBM اشاره می‌کند، در این فناوری هم خود رایانش در حافظه‌های 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 گردد.

از بهترین نوشته‌های کاربران سکان آکادمی در سکان پلاس


online-support-icon