教育新闻网IBM Research在博客文章中写道：“现代AI模型的增强功能提供了前所未有的识别精度，但通常以更大的计算量和精力投入为代价。”“因此，基于根本上新的处理范例的新颖硬件的开发对于AI研究的发展至关重要。”因此，在2019年旧金山的IEEE国际电子设备会议(IEDM)上，IBM Research通过以下途径揭示了一系列AI硬件突破一些关键领域的论文。
IBM写道：“在过去的五十年中，半导体技术一直是计算硬件的引擎。”“ [FinFET]技术在满足密度，功率和性能方面不断增长的需求的同时，仍在不断扩展，但还不够快[。”堆叠式全能(GAA)纳米片是IBM的答案，因为AI的需求超出了功能FinFET半导体架构。“ Nanosheet”仅在2015年创造，现在IBM Research着重介绍三篇论文在纳米片技术领域。这些措施包括用于实现纳米片堆叠和多电压电池的新技术，以及一种新的制造方法。IBM希望GAA纳米片将提供“更高的计算性能和更低的功耗”，同时也允许进行更多变化和简化的设计，从而实现更通用的设备设计。
相变存储器
IBM Research还重点介绍了有关相变存储器(PCM)的一系列论文，这些论文“仍然构成重大挑战”，包括对噪声的敏感性，电阻漂移和可靠性问题。这些论文展示了IBM研究人员在开发新设备，算法和结构解决方案以及新的模型训练技术方面的工作，以帮助解决这些问题，提高稳定性和可靠性。其他研究人员介绍了一种新的，受神经启发的，用于PCM的硅集成原型芯片设计。
最后，IBM详细说明了其使用新型存储设备加速深度学习的工作，这些存储设备是使用半导体工厂中现有的材料创建的。最终的电化学随机存取存储器或ECRAM“证明了亚微秒的编程速度，高电导率变化线性和对称性以及没有访问选择器的2×2阵列配置。” ECRAM与CMOS兼容，在深度神经网络训练常用的线性回归上进行了测试。同时，IBM Research重点介绍了可提高预测AI准确性的新算法。
