在許多應用程序中,任務的分類無處不在。基於處理器/圖形處理器或ASIC使用質量比較的分類系統。性能受到CMOS設備的限制以及內存和比較單位之間的吞吐量。多種內存促進了帶寬的狹窄位置。基於與Memristor的邏輯的內存使用,使用Memristors,但仍然依賴於比較操作。我們使用TNS/CA-TNS策略的免費MSIM允許三個狹窄的地方。學分:Yu等。
按一定順序的數據組織(也稱為排序)是由各種系統執行的中央計算操作。傳統的硬件系統依靠單獨的組件來存儲和分類數據,從而限制了它們的速度和能源效率。
北京大學的研究人員最近在內存中開發了一種新的重新配置分類系統,該系統依賴於當場保存的數據的紀念館。他們提出的系統在文章中列出 出版 v 自然電子 並發現由Yuchao Yang教授領導的迅速和能量效率的數據都被存儲和整理。
“最初的想法是由於以下事實,即,儘管諸如乘坐矩陣和捆綁的交易是在CIM(計算機)系統中廣泛實現的,但長期以來,由於其獨特的計算特徵,分類一直被認為是“硬螺母”在存儲技術中的“硬螺母”,” Yaoyu Tao說,與該文章相對應的Yaoyu Tao說,該文章對應於該文章的作者,該文章對應的作者,該文章的作者,該文章是Teacsplore,Techsplore,Techxplore,Techxplore,Techxplore of Techxplore。
“首先,用於排序的傳統設備包括對邏輯,有條件的分支或替換操作的選擇,這是一個不規則的控制流,這與CIM(計算中的計算)超過的線性操作根本不同。其次,與大量數據相結合,通常會導致高度動態的存儲器訪問CIM結構的cim結構的高度動態記憶。
已經發現,當今開發的大多數用於分類的算法也證明了強大的數據依賴性。實際上,這意味著他們執行的操作依賴於早期操作的結果,這反過來又使其比例複雜並降低了CIM系統在任務中的優勢,這需要同時實施多個操作。
Tao解釋說:“排序的原因仍然是CIM在其“非結構化”和“控制”計算本質中開發中的一個尚未解決的問題,這本質上與CIM設計的當前原理衝突,重點是記憶中的線性加速度。”
“克服CIM中分類的狹窄地點不僅將解決關鍵的工程問題,而且還代表著採取CIM有目的的計算機技術知識技術的嚴肅一步。我們研究的主要目標是將“分類和開發分類和開發方法進行分類和發展”。
Tao及其同事在這項最近的研究中開發的一個新的重新配置分類系統由單Zoom-Rezistore(1T1R)紀念陣列和外圍方案組成。外圍方案分為三個不同的模塊,稱為數字處理器,數字選擇器和狀態控制器。
“這些組件是重新配置的,以訪問MEMRISTOR 1T1R massifs,並支持文獻中可變數據類型的支持,包括沒有訂閱,補充了兩個補充或具有固定點的符號編號或具有浮點以滿足實際關注應用的需求,” Tao解釋說。
“它們的獨特優勢/特徵包括支持增加並行化的三種不同方法,一種用於更高數字並行性的多車道策略,更高水平的位網絡以及更高並行性的多級策略。”

這項工作具有Memristor設備,開發了用於數字閱讀的1T1R陣列(DR),TNS/CA-TNS方法,用於SIM卡而無需比較,而MSIM通過系統進行實際演示。學分:Yu等。
在初始測試中,由這組研究人員開發的新的記憶方案給出了非常有希望的結果,因為它所需的能量要比以前實施的數據分類方法要少得多。此外,該方案非常普遍且適應,這使您可以將其與其他各種系統集成在一起,並適應滿足特定實際問題的要求。
陶說:“該方案提供了改善並行性的三種策略,包括多車道,位和多級電導率,並且與現代計算兼容以乘以矢量矩陣的乘法。” “算法的排序在數據處理中起著至關重要的作用,迅速對這些候選者的質量量進行排名,以確定最重要的要素以進行進一步分析。
“在諸如教授大語言的模型之類的場景中,計劃機器人路徑並加強尋找學習,快速評估和排名幾種解決方案或行動是必不可少的,而且非常費力。但是,分類包括非線性操作和不規則的數據訪問模式,目前沒有足夠的一般目的,有效的原始功能,有效的原始功能,用於分類。”
當前,眾所周知,當前內存中可用的體系結構(PIM)具有重大限制,包括無法有效地對大量數據進行分類。到目前為止,這已經限制了他們的部署數量有限。
Tao及其同事開發的新方法可以幫助克服這些PIM體系結構的缺點,從而提高系統在解決更廣泛的問題時存儲並對數據進行排序的效率。將來,它可以在醫療機構和生產設施中部署,也可以用於有效組織科學數據庫並優化知識工具的解決方案。
Tao補充說:“現在,我們正在努力改進內存中的分類系統,並將其集成到現代計算系統中,以適應AI或其他新方案。” “我們的最終目標是將這項技術擴展到更通用的硬件系統,在該系統中,分類成為一個計算狹窄的位置。”
我們作者為您寫的 Ingrid Fadelly編輯 加比·克拉克(Gaby Clark)並通過事實驗證並考慮 安德魯·齊寧(Andrew Zinin)– 本文是仔細人類工作的結果。我們依靠像您這樣的讀者來保留獨立的科學新聞。如果此報告對您很重要,請考慮 捐款 (尤其是每月)。你會得到的 沒有廣告 作為感激之情。
更多信息:
lianfeng yu等人,基於回憶錄的快速和重新配置的內存分選系統, 自然電子 (2025)。 二:10.1038/s41928-025-01405-2場地
©2025科學X網絡
引用:基於紀念館的新重新配置系統允許您在2025年7月23日收到的內存中對數據進行排序(2025年7月23日)
該文檔具有版權。除了出於私人研究或研究目的的一些公平交易外,如果沒有書面解決方案,就無法再現。內容僅用於信息目的。