IBM kombiniert Alt und Neu für die nächste Computer-Generation

IBM hat in der Zeitschrift "Nature Electronics" ein neues Konzept für das "Cognitive Computing" vorgestellt. Entwickelt am IBM-Foschungslabor in Rüschlikon soll das Konzept die Vorteile von klassischem Computing nach der "Von-Neumann-Architektur" mit dem Prinzip des "In-Memory Computing" kombinieren, wie das US-Unternehmen in einer Mitteilung schreibt.

Beim "In-Memory-Computing" finden Speicherung und Berechnung laut IBM auf der gleichen Hardwarebasis mittels "Resistive Memory Devices" statt. Die traditionelle Trennung von CPU und Arbeitsspeicher könne so aufgehoben und die Verarbeitung von grossen Datenmengen beschleunigt werden. Als Vorbild diene das menschliche Gehirn, das diese Trennung ebenfalls nicht kenne.

Im "Mixed-Precision In-Memory Computing" genannten Konzept übernehme die Rechenspeicher-Einheit den Grossteil der Berechnungsarbeiten, während die Von-Neumann-Maschine eine Methode zur iterativen Verbesserung oder Verfeinerung der Genauigkeit gewährleiste, heisst es in der Mitteilung. Das System profitiere damit von der hohen Präzision des digitalen Rechnens auf der einen und von der Effizienz des In-Memory Computings auf der anderen Seite.

Memristive Geräte vereinen CPU und RAM

Grundlage der Technologie sind gemäss Mitteilung "memrisitive Geräte", die Daten speichern und sich den durch sie geflossenen Strom merken können. "Das Konzept ist durch die Beobachtung motiviert, dass viele Berechnungsaufgaben als eine Folge von zwei verschiedenen Teilen formuliert werden können", lässt sich IBM-Forscher Manuel Le Gallo in der Mitteilung zitieren.

"Wir beginnen bei den rechenintensiven Arbeiten mit dem memrisitiven Geräten für die ungefähre Antwort und dann wird die leichtere Berechnung mit dem von Neumann-Gerät durchgeführt, das den resultierenden Fehler nimmt und genau berechnet. Es ist die perfekte Ehe", so Le Gallo weiter.

Das Team von IBM habe für Tests einen Chip mit 1 Million "Phase Change Memory"-Einheiten, eine Power8-CPU und eine P100-GPU von Nvidia verwendet. Als nächster Schritt sei nun der Einsatz des Mixed-Precision In-Memory-Computing für rechenintensive Aufgaben wie Machine Learning und Signalverarbeitung geplant.