Zukünftiger Trend - Rechnen direkt im Speicher

200 Mal schneller: IBM demonstriert massiv-paralleles In-Memory-Computing

| Autor / Redakteur: Michael Eckstein / Rainer Graefen

Vorreiter: Der Prototyp des In-Memory-Coprozessors von IBM Research nutzt 1 Mio. PCM-Elemente.
Vorreiter: Der Prototyp des In-Memory-Coprozessors von IBM Research nutzt 1 Mio. PCM-Elemente. (Bild: IBM Research)

IBM Research hat einen In-Memory-Coprozessor entwickelt, der Phase Change Memory (PCM) nutzt. Er kann Berechnungen direkt im Speicher ausführen – 200-mal schneller als herkömmliche Von-Neumann-Computer.

Aktuelle Rechnerarchitekturen basieren in der Regel auf Gedankenmodellen des österreich-ungarischen Mathematikers John von Neumann. Sie trennen den Datenbereich von der Berechnungslogik, erfordern also ständiges Laden und Speichern von Daten. Alternativen sind rar und meist experimentell. Als Vorlage dient oft das menschliche Gehirn: Dieses ist in der Lage, Daten massiv parallel direkt am Speicherort zu verarbeiten.

Computerarchitekturen, die diese Fähigkeiten nachzubilden versuchen, verwenden typischerweise memresistive Nanozellen (memresistive devices). Dr. Abu Sebastian, IBM-Forscher in Zürich, erläutert deren Besonderheiten: „Der Widerstand dieser resistiven Memory-Elemente, kurz: Memristoren, hängt vom Strom ab, der zuvor durch die Zelle geflossen ist.“ Daher können sie einerseits Daten nichtflüchtig speichern, andererseits aber auch gleichzeitig als Transistor arbeiten.

Das bedeutet: Darauf basierende Architekturen brauchen nicht zwischen Datenspeicher und Prozessorhardware unterscheiden. Logikoperationen lassen sich direkt im Speicher ausführen. Da diese Computer nicht wie die Von-Neumann-Rechner wiederholte Lade- und Speicheroperationen durchführen müssen, sollen sie wesentlich effizienter arbeiten.

Spezialspeicher auf dem Weg in den Massenmarkt

Das Problem ist nur: Speicher auf Basis von Memristoren ist teuer und bislang nur mit geringen Kapazitäten verfügbar. Dazu zählt Phasenübergangs-Speicher (Phase-Change Memory, PCM): Die auch als PCRAM bezeichnete Technologie nutzt Phasenübergänge des Substrats zum Speichern von Informationen. Ein PCM-Element kann – über den Stromfluss thermisch gesteuert – zwischen dem kristallinen und dem amorphen Zustand seines Materials wechseln. In beiden Fällen unterscheidet sich der elektrische Widerstand, so dass das Element als Speicherzelle und als Schaltelement dienen kann. Nach außen verhält sich PCM wie nichtflüchtiger NOR-Flash-Speicher. Dieser kommt beispielsweise in vielen Smartphones zum Einsatz.

Nun hat IBM Research in Zürich hat einen Weg gefunden, dreidimensionale Stapel von Phasenübergangs-Speicherbausteinen als Massenprodukt herzustellen. Das neue 3D-Fertigungsverfahren könnte nun den Weg zu günstigen PCM-Komponenten mit hoher Speicherkapazität ebnen.

Der PCM-Baustein des Unternehmens besteht aus einer Germanium-Antimon-Tellurid-Legierung, die zwischen zwei Elektroden liegt. Fließt nun ein definierter Strom durch das Element, wechselt das Material von einer amorphen in eine kristalline Phase. Die Widerstandswerte lassen sich leicht stufenweise kontrollieren. Sie variieren zwischen extrem niedrig, was einer digitalen 0 entspricht, und extrem hoch, was der digitalen 1 entspricht. Zusätzlich können sie aber auch beliebige Werte dazwischen annehmen, was einen quasi analogen Betrieb ermöglicht.

In-Memory-Coprozessor ermöglicht massiv-parallele Berechnungen

Seinen PCRAMs stellt IBM eine spezielle Recheneinheit zur Seite. Dieser In-Memory-Coprozessor verwendet Algorithmen, die die dynamischen Kristallisationseigenschaften von PCM ausnutzen. Er soll laut IBM extrem viele Zellen gleichzeitig ansprechen können. Dieser Vorgang ist vergleichbar mit dem menschlichen Gehirn, das parallel die Signale von Millionen von Neuronen und Billionen von Synapsen verarbeitet.

Im Dezember wird IBM während des International Electronic Devices Meetings (IEDM) seine PCM-Entwicklungen demonstrieren. Diese würden sich gut für Aufgaben eignen, die maschinelles Lernen erfordern, erklärt IBM-Forscher Evangelos Eleftheriou gegenüber der eetimes. „Nach bisherigem Stand können wir sagen, dass unser Algorithmus, der nicht auf der Von-Neumann-Architektur fußt, Datenkorrelationen 200-mal schneller erkennt als aktuelle Hochleistungsrechner.“

Beim In-Memory-Computing wird der gesamte Datensatz ins RAM geladen. Somit ist während der Berechnung kein Austausch von Daten mit einem Massenspeicher notwendig. Dieser ist immer langsamer als RAM – egal, ob mechanische Festplatten oder Flash zum Einsatz kommen.

IBMs Ansatz zwängt die In-Memory-Daten also nicht durch den Von-Neumann-Flaschenhals einer CPU, sondern lässt die ursprünglichen Speicherwerte in den PCM-Zellen liegen. Der Speichercontroller führt parallele Operationen mit den in den Zellen gespeicherten Werten aus. Die Berechnungen erfolgen an Ort und Stelle. Dafür nutzt die Technik die physikalischen Eigenschaften des Phase-Change-RAMs.

Derartige memristive Architekturen arbeiten wie ein Gehirn: Häufig verwendete Speichersynapsen werden gestärkt, ihr Widerstand sinkt. Bei selten benutzten Zellen steigt hingegen der Widerstand. In Gänze ergibt sich ein Zellmuster, das mit zunehmender Erfahrung immer genauer wird.

Schneller und auch sparsamer

Die In-Memory-Computing-Technologie rechnet jedoch nicht nur schneller, sie kommt auch mit weniger Strom aus, da auf häufige Lade- und Speichervorgänge, wie sie in Von-Neumann-Architekturen nötig sind, verzichtet werden kann.

Basierend auf dieser Technologie will IBM eine neue Generation besonders energieeffizienter Prozessoren entwickeln. Der Prototyp verfügt über 1 Million In-Memory-Zellen, die jeweils dieselbe Deep-Learning-Rechenaufgabe auf dem geladenen Datensatz ausführen. Der Einsatz der dynamischen PCM-Kristallisation liefert schnelle Ergebnisse und vermeidet Energieverbrauch durch mehrfaches Laden und Speichern von Daten. Laut IBM ist die Technologie gut skalierbar, sowohl vertikal als auch horizontal. So ließe sich ein dreidimensionaler, nicht auf der Von-Neumann-Architektur basierender Coprozessor entwickeln, der selbst komplexeste Aufgaben lösen könnte.

Sebastian ist überzeugt, dass zukünftige Rechnersysteme kaum ohne resistive Speicherkomponenten auskommen werden, besonders beim kognitiven Computing: „Memristoren können eine wichtige Rolle spielen bei extrem schnellen und ultradichten, nichtflüchtigen Speichern – aber auch als Elemente in Prozessoren und Coprozessoren, die nicht auf dem Von-Neumann-Modell basieren.“

* Diesen Beitrag haben wir von unserem Partnerportal Elektronik Praxis übernommen.

Kommentare werden geladen....

Was meinen Sie zu diesem Thema?

Der Kommentar wird durch einen Redakteur geprüft und in Kürze freigeschaltet.

Anonym mitdiskutieren oder einloggen Anmelden

Avatar
Zur Wahrung unserer Interessen speichern wir zusätzlich zu den o.g. Informationen die IP-Adresse. Dies dient ausschließlich dem Zweck, dass Sie als Urheber des Kommentars identifiziert werden können. Rechtliche Grundlage ist die Wahrung berechtigter Interessen gem. Art 6 Abs 1 lit. f) DSGVO.
  1. Avatar
    Avatar
    Bearbeitet von am
    Bearbeitet von am
    1. Avatar
      Avatar
      Bearbeitet von am
      Bearbeitet von am

Kommentare werden geladen....

Kommentar melden

Melden Sie diesen Kommentar, wenn dieser nicht den Richtlinien entspricht.

Kommentar Freigeben

Der untenstehende Text wird an den Kommentator gesendet, falls dieser eine Email-hinterlegt hat.

Freigabe entfernen

Der untenstehende Text wird an den Kommentator gesendet, falls dieser eine Email-hinterlegt hat.

copyright

Dieser Beitrag ist urheberrechtlich geschützt. Sie wollen ihn für Ihre Zwecke verwenden? Infos finden Sie unter www.mycontentfactory.de (ID: 44978348 / Forschung u. Wissenschaft)