记忆处理单元可以为大众带来忆阻器

在芯片上安排称为忆阻器的高级计算机组件的新方法可以使它们用于通用计算，这可以将能耗降低100倍。

密歇根大学的一位研究人员表示，这将提高智能手机等低功耗环境的性能，或提高效率的超级计算机。

“从历史上看，半导体行业通过提高设备速度来提高性能。但是虽然处理器和内存非常快，但它们不能高效，因为它们必须等待数据进出，”UM教授Wei Lu说。电气和计算机工程学院和忆阻器创业公司Crossbar Inc.的联合创始人

忆阻器可能就是答案。它被命名为存储器和电阻器的端口，可以编程为具有不同的电阻状态 - 这意味着它们将信息存储为电阻级别。这些电路元件在同一设备中实现存储和处理，从而消除了存储器与处理器分离的传统计算机所经历的数据传输瓶颈。

然而，与普通位(1或0)不同，忆阻器可以具有连续的电阻。一些应用程序，例如模仿大脑的计算(神经形态)，利用了忆阻器的模拟特性。但是对于普通计算，尝试区分通过忆阻器设备的电流的微小变化对于数值计算来说不够精确。

Lu和他的同事通过数字化当前输出来解决这个问题 - 将当前范围定义为特定位值(即0或1)。该团队还能够将大型数学问题映射到阵列中的较小块，从而提高系统的效率和灵活性。

具有这些新块的计算机(研究人员称之为“存储器处理单元”)对于实现机器学习和人工智能算法特别有用。它们也非常适合基于矩阵运算的任务，例如用于天气预报的模拟。最简单的数学矩阵，类似于具有行和列数字的表，可以直接映射到忆阻器的网格上。

一旦忆阻器被设置为表示数字，则可以同时处理乘以行和列的和的操作，沿着行具有一组电压脉冲。每列末尾测量的电流包含答案。相反，典型的处理器必须从矩阵的每个单元读取值，执行乘法，然后将每列串联起来。

“我们在一步中得到乘法和加法。它通过物理定律来处理。我们不需要在处理器中手动乘法和求和，”Lu说。

他的团队选择将偏微分方程作为32x32忆阻器阵列的测试来解决--Lu想象它只是未来系统的一个块。这些方程式，包括天气预报背后的方程式，支撑着许多科学和工程问题，但要解决这些问题非常具有挑战性。困难来自于模拟物理现象所需的复杂形式和多个变量。

当准确地求解偏微分方程是不可能的时，大概解决它们可能需要超级计算机。这些问题通常涉及非常大的数据矩阵，因此内存处理器通信瓶颈通过忆阻器阵列得到了很好的解决。Lu团队在他们的演示中使用的方程模拟了等离子体反应器，例如用于集成电路制造的等离子体反应器。