比利时研讨机构Imec以为，相较于运用神经网络，依据电阻和磁内存单元数组的机器学习加速器更有助于下降本钱和功耗。例如，在其开端的研讨结果显现，磁阻式随机存取内存（MRAM）数组可让功率下降两个数量级。
但这项具有远景的开发作业仍处于初期阶段。Imec估计要到本年稍晚提出专利申请后，才会发布更多有关该芯片的架构及其功用等细节。该研讨机构从一年半曾经开端组成机器学习小组，希望扩展在其中心使命——芯片制程技能以外的更多相关研讨。
在本年的Imec技能论坛（ITF2017）开幕当天，研讨人员们首先发布这款芯片，一起也介绍其于低功耗眼动追寻体系的最新进展，以及一款可为义肢供给更高阶触觉反应的植入式芯片。
在自我学习分类使命方面，选用MRAM单元的Imec数组具有更高100倍的动力功率。Imec半导体技能与体系履行副总裁An Steegen表明：「整体而言，运用新式内存比依据CMOS的机器学习架构更节能。」
另一款芯片选用依据金属氧化物电阻式随机存取内存（ReRAM）的单元数组，Imec研讨人员们称之为‘OxRAM’。 这款65nm的芯片经由获得40首古典长笛乐曲上的材料，学会了猜测形式，然后再依据所学习的形式自行创造音乐。
新式内存的长处在于能让数据位贮存在同一个单元中，然后完成最小的晶粒尺度。这种办法让Imec愈加希望有一天能将其整合于传感器节点中，让物联网（IoT）使用得以从自我学习中获益。
图1：Imec的自我学习芯片可望为本钱和功耗受限的IoT节点带来机器学习功用 （来历：Imec）
该芯片需求许多数组的层级架构以履行有利的作业。但 Imec没有泄漏这款芯片上的数组巨细。
担任这项开发方案的Praveen Raghavan说：「OxRAM一向用于内存贮存，但咱们想将它用于两个目标之间的随机链接。该展现以馈入编码机制作为输入，并供给或许的猜测，馈入地址并读取猜测作为输出数据。」
「其长处在于能完成极端密布的自我学习芯片——相形之下，IBM的True North的占位面积太大了。并且，这款极高密度且极低功耗的芯片是可以很多制作的，」他弥补说。
尽管不完满是神经网络，但这种技能在使用方面类似于可猜测事情序列的长短期回忆（LSTM）网络。他说：「相较于LSTM加速器需求更多的数据以及一款用于练习的较大GPU，这款OxRAM芯片的本钱比更低。」
OxRAM途径也适用于像生成对立网络（GAN）等使用；GAN是一种新式的技能，让神经网络之间相互对立，以加速学习速度。
义肢触觉与眼动追寻技能
此外，Imec还开发了具有128个记载电极和32个影响电极的植入式神经芯片硬件，可完成较现有设备更多10倍的触点数。这款芯片现在正在进行动物实验，希望能供给较现有义肢更显着有用的操控与触觉反应。
这款芯片可以以数百毫秒（ms）的速度在大脑和义肢之间传送信号。尽管比人类的神经传导速度更慢，但较当今的义肢所要求的秒数更快。
图2：植入式芯片许诺更快的信号传送速度，然后完成更有用的义肢操控
但是，Imec至今仅开发了硬件原型，没有关于软件进行优化。跟着导线数量继续添加，未来或许会发生显着的推迟。
该方案是Imec与美国佛罗里达大学（University of Florida）协作的一部份，该校现正进行美国国防部先进研讨方案署（DARPA）的一项研讨方案。
最终，Imec并展现供给眼动追寻技能的眼镜，其方法是在眼睛周围监测人脑与神经信号。到现在为止，该体系的准确度还比不上现在依据开麦拉的眼动追寻技能。不过，它更有助于大幅下降本钱与功耗。
