#你是一個情包很重的人嗎?
我們肩上都曾經負載著往昔的「情感包袱」(emotional baggage),或許在過往的關係當中,選擇了一個錯誤的人、做了一個錯誤的決定,於是在往後的感情關係裡,我們很難再「不懷抱任何恐懼和防衛」地付出。
有些人可能會因為過去關係的傷口,成為一個 #渴望被看見但又害怕被看穿 的人*。
John Bowlby提出「情感包袱」的概念,意指每個人接觸與應對這個世界的方法都不同,而這些不同的應對方式正是基於過去和父母與生活中其他重要之人(例如前任)的交往經歷而形塑的,演變成「內在運作模式」(internal working models)。
「內在運作模式」通常是與他人互動的經驗而建立起來的,可能左右著我們與他人所持有的立場,該模式囊括了自我價值的期待、對交往一方的預期行為、以及對交往關係的憧憬。
例如,一個人的新戀情受到過往情史影響,心理學家Susan Andersen稱之為「移情」(transference)。根據她的觀點,人們過往的戀情會影響新戀情的發展,甚至影響到我們新戀情中的行為與動機。這個過往的經驗,就成了你的情感包袱。
那那怎麼辦呢?
這裡提供三個步驟,與「情感包袱」相處:
1.覺察:想想自己現在對於關係的看法,有哪些部分受到前一段感情的影響。如果想不到,可以比較現在身邊的朋友、曖昧對象,和前任之間的「相同」之處。
2.減害:當你發現自己用和對待前任類似的方式,來對待目前在身邊的人的時候,你可以減少這些行為出現的頻率(雖然一開始並沒有辦法做到完全出現,要給自己一點時間,不要對自己太嚴格),或是跟對方討論彼此都能接受的方法。
3.差異:世界上沒有兩段一模一樣的關係。儘管你和前任相處有一些「遺毒」,可能正持續影響你,但你身邊的人畢竟和前任有一些「相異」之處,你和他相處的方式也是。從這一些不一樣的地方,看到自己進步的可能。
最後我想說,有些時候強迫自己一定要放下,一定要趕快長大,一定要趕快走出來,這件事情本身,也會讓自己產生某種壓力。
嘗試讓自己放慢步調,對自己心疼多一點,慈悲多一點,雖然你還沒有辦法做到真正愛自己,但你已經在路上了。
#偶包 #情包 #前任 #情感包袱 姊妹淘
*網路上面的知名成句,原文是:人都是矛盾的,渴望被理解,又害怕被看穿
同時也有1部Youtube影片,追蹤數超過9萬的網紅XMEN330 身心靈學源,也在其Youtube影片中提到,誦持強大「嗡」字真言的八大好處 00:00 12:30 當我第一次開始練習瑜伽時,我比較驚訝的是參與吟誦是何等容易和自然的感覺。我曾在電影中看過和聽過宗教練習的誦經,但是我有從來沒有真正去做直到上一堂瑜伽課。它是一個咒語來著毫無疑問,一個強大高振動的咒語,因為你就是可以感覺到它,誦唸「嗡」(Om)音...
慢 慢 的 發現我們相同的頻率 在 麥克風的市場求生手冊 Facebook 的最讚貼文
【肥胖解密】網路上搜尋到的系列文章,作者是shanemate,內容與建議多半是來自於較新的論文研究,摘要分享給大家。結論先來,四大要點:
一、運動讓你不復胖:減少胰島素阻抗,增加脂聯素的分泌。每天運動30~60分鐘,每周中高強度運動四到五天。
二、該吃什麼?
-避免糖與代糖的攝取,減少對甜味的依賴。
-減少精製的碳水化合物,改吃未精製的五穀雜糧。
-不僅僅吃低GI飲食,而是要吃低FII飲食
-增加天然脂肪的攝取,例如牛油,豬油,奶油,魚油,冷壓椰子油。攝取未過度加工的單元不飽和脂肪,例如冷壓初榨的橄欖油,酪梨油,亞麻子油。
-避免氫化植物油(例如氫化椰子油),避免加工的多元不飽和脂肪,例如沙拉油(大豆油),玉米油,芥花油(canola oil),花生油,葡萄籽油。
-避免油炸物。
-避免脂肪和精緻的碳水化合物一同攝取
-增加膳食纖維的攝取。
-適量,甚至少量的蛋白質攝取(一公斤體重0.8~1克),這和減肥無關,和長壽有關。
-增加天然有機蔬菜水果的攝取。
三、限制進食的時間與頻率:把一天的進食時間限制在八小時內,剩下的16小時都不要吃東西。例如只在中午12點到晚上八點之間進食。這叫做16-8的間歇性斷食。
四、釋放壓力與充足睡眠:飲食不是肥胖的唯一原因。如果肥胖是因為長期的壓力,飲食的效果會不太好,培養運動的生活習慣,釋放壓力反而比較有效。睡眠不足也會讓人變胖。
【肥胖解密1:肥胖的設定點理論 Set Point Theory】
人體有一個自動穩定體重與體脂的機制「恆胖計」,所設定的體重或體脂程度,就叫做設定點(set point)。胖子之所以胖,是因為他們的設定點高,減肥失敗是因為減肥的方法沒有改變設定點,所以節食一段時間後都會復胖。瘦子之所以瘦是因為設定點低,怎麼吃都不會胖。
不同食物吃進肚子,對於賀爾蒙的影響都不同,所以就減肥而言,不同食物的一卡路里都不一樣。減肥要成功,一定要慢慢改變身體恆胖計的設定點。哪些賀爾蒙是引響肥胖的關鍵角色?
1. Insulin 胰島素與 Insulin Resistance 胰島素阻抗
2. Leptin 瘦體素與 Leptin Resistance 瘦體素阻抗
3. Incretin 腸泌素
4. Cortisol 皮質醇
【肥胖解密2:胰島素讓你胖】
體內的胰島素量和肥胖有正相關。胖子的胰島素分泌量比一般人平均高出20%,且胰島素和體脂比例,腰圍等都有正相關。
肥胖,不是熱量失衡,而是賀爾蒙失衡!減肥的關鍵不是如何平衡熱量,而是如何去平衡賀爾蒙。如果胰島素讓你胖,那麼減肥的目標首要就是降低胰島素的量。
【肥胖解密3:胰島素阻抗】
胰島素阻抗是身體內胰島素失去作用的指標,它與一系列的代謝症候群(高血壓,高血脂,心臟病,糖尿病,中風,阿茲海默症)都有密切的相關。
長期持續地高胰島素濃度會一步步提高胰島素阻抗。這裡有兩個要件,高濃度與長期。這是目前大部分二型糖尿病患的狀況。他們一步步看著自己走向終點,指標就是注射的胰島素劑量。就算在健康人體內,高胰島素也會導致胰島素阻抗。
為何在一開始就有高胰島素?很明顯,精緻的澱粉,糖等高GI的食物是個主因。但別忘了,我們還需要第二個要素,時間,長期且持續的高濃度胰島素才會產生胰島素阻抗。
那麼要如何維持體內胰島素一直在高檔?你就一直吃就對了!早餐後吃個點心,喝杯加糖熱拿鐵,中餐後來杯含糖飲料,下午再加個下午茶,晚餐後吃甜點,睡前加宵夜。你就只要一直吃吃吃,一天六餐或是含糖飲料不斷,就可以持續維持體內胰島素在高檔。
【肥胖解密4:胰島素阻抗的成因,新的典範】
肌肉一方面會使用血液中的葡萄糖當作能量來源,另一方面會接受胰島素的指令把葡萄糖轉為肝糖儲存起來備用。
肌肉的胰島素阻抗:肌肉使用(氧化)葡萄糖的能力與儲存葡萄糖的能力都下降。
肝的胰島素阻抗:肝臟持續不斷地製造葡萄糖,同時肝臟也累積了一堆脂肪。學界已經認可脂肪肝會形成胰島素阻抗。
上述這兩個胰島素阻抗都有脂肪的異常累積(ectopic lipid accumulation)。脂肪的異常累積是說脂肪儲存在不正常的地方,例如肌肉與肝臟細胞內。因為脂肪的過度外溢,把細胞裡面塞滿滿的。
脂肪細胞分泌脂聯素(影響脂肪累積與形成胰島素阻抗最重要的激素),脂聯素分泌不足會降低脂肪細胞儲存的能力,造成脂肪外溢,然後導致胰島素阻抗與代謝疾病。
【肥胖解密5:胰島素阻抗的解方,新的典範】
想辦法去提高自身脂聯素的分泌才是治本的解方。目標:
1. 降低體內胰島素濃度(胰島素會阻止人體使用脂肪作為能量,進一步提高胰島素阻抗)
2. 大量消耗細胞內被塞滿滿的葡萄糖與脂肪
3. 提高自身脂聯素的分泌。
方法一:運動
長期且持續的運動才有顯著的幫助。持續到半年以上的運動訓練,每天運動30~60分鐘,每周運動4~5天,不管是哪種運動(有氧或重訓)都可以,但只有中高強度的運動才有用。
有氧運動:以自己最大心跳率(Maximum Heart Rate, MHR)的百分比決定運動強度。
中強度:60~70%MHR
高強度:70~80%MHR
重量訓練:以自己的最大肌力 (1RM,只能舉起一次的重量)的百分比為主。
中強度:60~65% 1RM,只能夠做15下就力竭的重量
高強度:75~80% 1RM,只能夠做8~10下就力竭的重量
鍛鍊後,肌肉細胞裡的粒線體數量會增加,還可以增加大腦內BDNF的提高,改善大腦的每個功能(學習,記憶,情緒,創意等)。
方法二:生酮飲食
生酮飲食是一種超低碳高脂飲食,10%的碳水化合物,10~20%的蛋白質,70~80%的脂肪。生酮飲食不吃任何澱粉與糖,不吃水果(有果糖),10%的碳水化合物都來自蔬菜。也限制蛋白質的攝取(因為肝臟會使用胺基酸製造葡萄糖)。當身體沒有葡萄糖,就只能使用脂肪當作能量來源。
生酮飲食對於減肥有奇效。因為不攝取碳水化合物,就不會刺激胰島素分泌,身體的胰島素始終維持在低檔,直接降低身體恆胖計的設定點。胰島素一直在低檔,就直接改善了所有和胰島素相關的代謝症候群疾病,例如肥胖與糖尿病。
方法三:間歇性斷食
間歇性斷食在減肥與降低胰島素阻抗上有驚人的效果,上面低碳飲食的好處(減肥,降低HbA1c,提高 LDL/HDL,降低血脂濃度)它都有。且有提高腦內BDNF、抗老化、治療關節炎、提高體內生長激素、降低心血管疾病風險等好處。
小孩,還在發育的青少年,孕婦,哺乳婦女,及瘦弱的老人不適合進行斷食。
【肥胖解密6:肥胖的終極原因 The Ultimate Cause】
瘦體素是控制食慾的關鍵賀爾蒙。當瘦體素分泌量低時,會觸發飢餓素使人產生飢餓感,提醒說該吃飯了。瘦體素分泌量高過一個閥值時,會刺激腦部會發出飽足感,告訴人已經吃飽了,不用再吃了。高濃度的胰島素會產生胰島素阻抗與瘦體素阻抗。胰島素一方面幫你囤積脂肪,一方面又告訴你還吃不夠,怎麼吃都吃不飽。
只要一進食,胰島素上升,血液中脂肪酸濃度就馬上下降,六小時後才回到原本的濃度。也就是說,只要你一進食,就不會燃燒脂肪。運動是為了降低胰島素阻抗,並不是為了消耗熱量或燃脂。
要怎樣降低恆胖計的設定點?要降低體內的胰島素。減少進食時間、挑選不刺激胰島素的食物。所以減肥不需要計算熱量。不用計算熱量不代表不控制飲食,暴飲暴食,而是要傾聽身體的聲音。不餓不吃,餓了才吃,吃飽就好。當你的設定點降低,身體自然會降低食慾與增加飽足感。
[肥胖解密7:高蛋白減肥法有效嗎?]
研究者在以色列找來了322位志願的胖子,隨機分成三種減肥飲食,並且嚴格執行兩年(2005-2007):
第一種是低脂飲食,並且限制熱量為男性1800卡,女性1500卡。這派飲食就是普遍最流行的,減少熱量攝取(但是大於基礎代謝率),製造熱量赤字的減肥法。飲食中有30%脂肪,碳水化合物則以穀類,蔬菜水果為主,避含糖飲料和脂肪攝取)。
第二種是地中海飲食。一樣限制熱量(男性1800卡,女性1500卡),攝取大量蔬菜水果,避免紅肉,以魚和雞肉代替,飲食中有35%脂肪,以橄欖油和堅果類為主。
第三種就是標準的阿金飲食。不限制熱量,從低碳(20g/day)開始到中碳(120g/d)的循環(阿金飲食說不用一直維持在超低碳)。
結論:只要吃對食物,不需要限制熱量。即使熱量攝取相同,低脂與地中海飲食的結果大相逕庭(血脂、膽固醇等也都不同,地中海優於低脂飲食),這說明同樣的一卡路里,如果來自不同的食物,對身體的賀爾蒙影響也會不同,a calorie is not a calorie。
【肥胖解密8:食物的胰島素反應】
雖然蛋白質不會引起血糖升高,但蛋白質還是會刺激胰島素分泌。1967年,科學家就已經發現空腹胰島素佔了24小時胰島素總分泌量的50%。
血糖很重要,但也別忽略了胰島素。如果只顧血糖,你有可能攝取了低GI,但卻會引起高胰島素的食物,結果依舊造成肥胖與糖尿病。
當食物一進入口中,胃就會分泌腸素胰素(incretin, 包含GLP-1與GIP兩種肽),腸素胰素會馬上指示胰島分泌胰島素。脂肪,蛋白,碳水化合物都會刺激腸素胰素的分泌。所有的食物都會刺激胰島素分泌,只是程度不一。
FII值依序最高的分別是 馬鈴薯、白麵包、全麥麵包、白米飯,炸薯條。FII值最低的是全麥義大利麵,義大利麵、裸麥麵包、糙米飯。全脂牛奶的FII值遠低於脫脂牛奶。
純脂肪的胰島素指數相當低,大約是白麵包的3%。腸素胰素除了刺激胰島素分泌外,還有另外一個作用就是降低胃部蠕動,這個作用會增加人的飽足感,告訴人們快吃飽了。
簡而言之,腸促素對於肥胖同時有一正一負兩種效果,一方面增加胰島素,另一方面增加飽足感。蛋白質對於肥胖的效果取決於這一正一負的作用。就長期追蹤研究的調查來說,喝全脂牛奶有助於減肥,脫脂牛奶則不會。提高肉類的攝取則和體重增加有正相關。
【肥胖解密9:碳水化合物假說與沖繩】
在日本有一群人,很長壽,百歲人瑞比例全世界最高,這區的人口平均BMI是20.4,他們老年人的心血管疾病、癌症、中風等疾病比例是世界數一數二的低,但是他們的飲食有85%是碳水化合物。他們是沖繩人。確切地說,是沖繩的老人。
雖然吃的是超高碳飲食,可是他們都很瘦,沒有肥胖的問題,代謝症候群(心血管疾病,中風)與癌症的比例也是世界上數一數二低。傳統沖繩人的主食是紫地瓜(69%),配上一點點米飯與五穀雜糧、豆類、和一點點魚。飲食中碳水化合物85%、蛋白質9%、脂肪6%。
地瓜、粗糙的五穀雜糧與米飯麵包等精緻的碳水化合物差別在哪裡?膳食纖維。纖維是一種保護因子,會減緩食物的吸收速度,降低血糖的上升速度。除此之外,纖維會妨礙結腸吸收脂肪酸的速度,這會減少胰島素的分泌,還能改善胰島素敏感性。
減肥不必然要減碳,但是要提高纖維的攝取,最直接的方法就是把精緻的碳水化合物,白飯,白麵條,麵包與馬鈴薯替換成高纖維的五穀雜糧。目前學術界對長壽研究的共識,是熱量限制與蛋白質限制,沖繩飲食完全符合這兩項原則。
【肥胖解密10:糖與代糖,苦澀的真相】
一份葡萄糖吃入體內只有小於5%會合成脂肪。同時葡萄糖會刺激胰島素與瘦體素,大腦知道我們吃了東西,會知道何時要給我們飽足感。果糖不會刺激胰島素與瘦體素,大量攝取果糖不會給我們飽足感。果糖100%進入肝臟代謝,它不會變成肝醣儲存起來,全部的果糖都必須被肝臟代謝掉。
這些果糖除了一部分變成能量外,其他會在代謝過程中產生尿酸質、新生的脂肪與膽固醇,還會刺激肝臟的發炎反應。人體的膽固醇有八成是肝臟製造的,飲食中攝取的膽固醇變成人體內儲存的比例極低。吃蛋黃不會給你膽固醇,但是吃果糖,會。
糖會提高得二型糖尿病的風險。攝取果糖不好,那我們改用代糖好了?但習慣喝越多代糖飲料的人體重增加越多。代糖的使用增加了罹患心血管疾病的機率、還可能增加罹患代謝症候群的機率。
在進食後兩個小時,阿斯巴甜組(Aspartame,圓形)與甜菊組(Stevia,方形)的胰島素指數是蔗糖組(Sucrose,三角形)的五倍以上!這表示在同樣的血糖變化量下,代糖組的人需要分泌較多的胰島素去工作!代糖確實不會直接刺激胰島素分泌,但是它會間接影響人體對於其他食物的胰島素反應。和保護性的纖維相反,代糖似乎會加大食物的胰島素反應。
【肥胖解密11:飽和脂肪錯了嗎?】
飲食中飽和脂肪的攝取和人體內膽固醇與心血管疾病無關聯。脂肪的膽固醇假說是錯的,反倒糖(果糖)的攝取才是關鍵。
大量吃脂肪的好處(降低血脂、膽固醇)都來自於限制碳水化合物的攝取。當血液中同時存在著大量的葡萄糖與脂肪酸,這些脂肪酸進入肌肉細胞之後就會妨礙胰島素的工作,提高肌肉的胰島素阻抗。
但是如果飲食中不攝取碳水化合物,只吃蛋白質與脂肪。在人體內蛋白質分解成胺基酸,脂肪分解成脂肪酸與甘油,沒有葡萄糖。這兩類食物都是零GI,不會升高血糖,就沒有了上面的問題。
可以正常攝取飽和脂肪(動物油,椰子油),但是請避免和精緻的碳水化合物同時攝取。建議攝取單元不飽和脂肪,例如橄欖油,酪梨油。除了富含omega-3的多元不飽和脂肪(魚油、亞麻子油)以外,避免其他的植物油(氫化植物油,葡萄籽油,大豆油,花生油,玉米油等等,所有一切外面餐廳普遍使用的油)。
吃奶油會讓你瘦,當你只吃奶油的時候。奶油讓你瘦,但奶油麵包會讓你胖。
系列原文:
https://shanemate.blogspot.com/2017/01/1-set-point-theory.html
慢 慢 的 發現我們相同的頻率 在 台灣物聯網實驗室 IOT Labs Facebook 的最讚貼文
摩爾定律放緩 靠啥提升AI晶片運算力?
作者 : 黃燁鋒,EE Times China
2021-07-26
對於電子科技革命的即將終結的說法,一般認為即是指摩爾定律的終結——摩爾定律一旦無法延續,也就意味著資訊技術的整棟大樓建造都將出現停滯,那麼第三次科技革命也就正式結束了。這種聲音似乎是從十多年前就有的,但這波革命始終也沒有結束。AI技術本質上仍然是第三次科技革命的延續……
人工智慧(AI)的技術發展,被很多人形容為第四次科技革命。前三次科技革命,分別是蒸汽、電氣、資訊技術(電子科技)革命。彷彿這“第四次”有很多種說辭,比如有人說第四次科技革命是生物技術革命,還有人說是量子技術革命。但既然AI也是第四次科技革命之一的候選技術,而且作為資訊技術的組成部分,卻又獨立於資訊技術,即表示它有獨到之處。
電子科技革命的即將終結,一般認為即是指摩爾定律的終結——摩爾定律一旦無法延續,也就意味著資訊技術的整棟大樓建造都將出現停滯,那麼第三次科技革命也就正式結束了。這種聲音似乎是從十多年前就有,但這波革命始終也沒有結束。
AI技術本質上仍然是第三次科技革命的延續,它的發展也依託於幾十年來半導體科技的進步。這些年出現了不少專門的AI晶片——而且市場參與者相眾多。當某一個類別的技術發展到出現一種專門的處理器為之服務的程度,那麼這個領域自然就不可小覷,就像當年GPU出現專門為圖形運算服務一樣。
所以AI晶片被形容為CPU、GPU之後的第三大類電腦處理器。AI專用處理器的出現,很大程度上也是因為摩爾定律的發展進入緩慢期:電晶體的尺寸縮減速度,已經無法滿足需求,所以就必須有某種專用架構(DSA)出現,以快速提升晶片效率,也才有了專門的AI晶片。
另一方面,摩爾定律的延緩也成為AI晶片發展的桎梏。在摩爾定律和登納德縮放比例定律(Dennard Scaling)發展的前期,電晶體製程進步為晶片帶來了相當大的助益,那是「happy scaling down」的時代——CPU、GPU都是這個時代受益,不過Dennard Scaling早在45nm時期就失效了。
AI晶片作為第三大類處理器,在這波發展中沒有趕上happy scaling down的好時機。與此同時,AI應用對運算力的需求越來越貪婪。今年WAIC晶片論壇圓桌討論環節,燧原科技創始人暨CEO趙立東說:「現在訓練的GPT-3模型有1750億參數,接近人腦神經元數量,我以為這是最大的模型了,要千張Nvidia的GPU卡才能做。談到AI運算力需求、模型大小的問題,說最大模型超過萬億參數,又是10倍。」
英特爾(Intel)研究院副總裁、中國研究院院長宋繼強說:「前兩年用GPU訓練一個大規模的深度學習模型,其碳排放量相當於5台美式車整個生命週期產生的碳排量。」這也說明了AI運算力需求的貪婪,以及提供運算力的AI晶片不夠高效。
不過作為產業的底層驅動力,半導體製造技術仍源源不斷地為AI發展提供推力。本文將討論WAIC晶片論壇上聽到,針對這個問題的一些前瞻性解決方案——有些已經實現,有些則可能有待時代驗證。
XPU、摩爾定律和異質整合
「電腦產業中的貝爾定律,是說能效每提高1,000倍,就會衍生出一種新的運算形態。」中科院院士劉明在論壇上說,「若每瓦功耗只能支撐1KOPS的運算,當時的這種運算形態是超算;到了智慧型手機時代,能效就提高到每瓦1TOPS;未來的智慧終端我們要達到每瓦1POPS。 這對IC提出了非常高的要求,如果依然沿著CMOS這條路去走,當然可以,但會比較艱辛。」
針對性能和效率提升,除了尺寸微縮,半導體產業比較常見的思路是電晶體結構、晶片結構、材料等方面的最佳化,以及處理架構的革新。
(1)AI晶片本身其實就是對處理器架構的革新,從運算架構的層面來看,針對不同的應用方向造不同架構的處理器是常規,更專用的處理器能促成效率和性能的成倍增長,而不需要依賴於電晶體尺寸的微縮。比如GPU、神經網路處理器(NPU,即AI處理器),乃至更專用的ASIC出現,都是這類思路。
CPU、GPU、NPU、FPGA等不同類型的晶片各司其職,Intel這兩年一直在推行所謂的「XPU」策略就是用不同類型的處理器去做不同的事情,「整合起來各取所需,用組合拳會好過用一種武器去解決所有問題。」宋繼強說。Intel的晶片產品就涵蓋了幾個大類,Core CPU、Xe GPU,以及透過收購獲得的AI晶片Habana等。
另外針對不同類型的晶片,可能還有更具體的最佳化方案。如當代CPU普遍加入AVX512指令,本質上是特別針對深度學習做加強。「專用」的不一定是處理器,也可以是處理器內的某些特定單元,甚至固定功能單元,就好像GPU中加入專用的光線追蹤單元一樣,這是當代處理器普遍都在做的一件事。
(2)從電晶體、晶片結構層面來看,電晶體的尺寸現在仍然在縮減過程中,只不過縮減幅度相比過去變小了——而且為緩解電晶體性能的下降,需要有各種不同的技術來輔助尺寸變小。比如說在22nm節點之後,電晶體變為FinFET結構,在3nm之後,電晶體即將演變為Gate All Around FET結構。最終會演化為互補FET (CFET),其本質都是電晶體本身充分利用Z軸,來實現微縮性能的提升。
劉明認為,「除了基礎元件的變革,IC現在的發展還是比較多元化,包括新材料的引進、元件結構革新,也包括微影技術。長期賴以微縮的基本手段,現在也在發生巨大的變化,特別是未來3D的異質整合。這些多元技術的協同發展,都為晶片整體性能提升帶來了很好的增益。」
他並指出,「從電晶體級、到晶圓級,再到晶片堆疊、引線接合(lead bonding),精準度從毫米向奈米演進,互連密度大大提升。」從晶圓/裸晶的層面來看,則是眾所周知的朝more than moore’s law這樣的路線發展,比如把兩片裸晶疊起來。現在很熱門的chiplet技術就是比較典型的並不依賴於傳統電晶體尺寸微縮,來彈性擴展性能的方案。
台積電和Intel這兩年都在大推將不同類型的裸晶,異質整合的技術。2.5D封裝方案典型如台積電的CoWoS,Intel的EMIB,而在3D堆疊上,Intel的Core LakeField晶片就是用3D Foveros方案,將不同的裸晶疊在一起,甚至可以實現兩片運算裸晶的堆疊、互連。
之前的文章也提到過AMD剛發佈的3D V-Cache,將CPU的L3 cache裸晶疊在運算裸晶上方,將處理器的L3 cache大小增大至192MB,對儲存敏感延遲應用的性能提升。相比Intel,台積電這項技術的獨特之處在於裸晶間是以混合接合(hybrid bonding)的方式互連,而不是micro-bump,做到更小的打線間距,以及晶片之間數十倍通訊性能和效率提升。
這些方案也不直接依賴傳統的電晶體微縮方案。這裡實際上還有一個方面,即新材料的導入專家們沒有在論壇上多說,本文也略過不談。
1,000倍的性能提升
劉明談到,當電晶體微縮的空間沒有那麼大的時候,產業界傾向於採用新的策略來評價技術——「PPACt」——即Powe r(功耗)、Performance (性能)、Cost/Area-Time (成本/面積-時間)。t指的具體是time-to-market,理論上應該也屬於成本的一部分。
電晶體微縮方案失效以後,「多元化的技術變革,依然會讓IC性能得到進一步的提升。」劉明說,「根據預測,這些技術即使不再做尺寸微縮,也會讓IC的晶片性能做到500~1,000倍的提升,到2035年實現Zetta Flops的系統性能水準。且超算的發展還可以一如既往地前進;單裸晶儲存容量變得越來越大,IC依然會為產業發展提供基礎。」
500~1,000倍的預測來自DARPA,感覺有些過於樂觀。因為其中的不少技術存在比較大的邊際遞減效應,而且有更實際的工程問題待解決,比如運算裸晶疊層的散熱問題——即便業界對於這類工程問題的探討也始終在持續。
不過1,000倍的性能提升,的確說明摩爾定律的終結並不能代表第三次科技革命的終結,而且還有相當大的發展空間。尤其本文談的主要是AI晶片,而不是更具通用性的CPU。
矽光、記憶體內運算和神經型態運算
在非傳統發展路線上(以上內容都屬於半導體製造的常規思路),WAIC晶片論壇上宋繼強和劉明都提到了一些頗具代表性的技術方向(雖然這可能與他們自己的業務方向或研究方向有很大的關係)。這些技術可能尚未大規模推廣,或者仍在商業化的極早期。
(1)近記憶體運算和記憶體內運算:處理器性能和效率如今面臨的瓶頸,很大程度並不在單純的運算階段,而在資料傳輸和儲存方面——這也是共識。所以提升資料的傳輸和存取效率,可能是提升整體系統性能時,一個非常靠譜的思路。
這兩年市場上的處理器產品用「近記憶體運算」(near-memory computing)思路的,應該不在少數。所謂的近記憶體運算,就是讓儲存(如cache、memory)單元更靠近運算單元。CPU的多層cache結構(L1、L2、L3),以及電腦處理器cache、記憶體、硬碟這種多層儲存結構是常規。而「近記憶體運算」主要在於究竟有多「近」,cache記憶體有利於隱藏當代電腦架構中延遲和頻寬的局限性。
這兩年在近記憶體運算方面比較有代表性的,一是AMD——比如前文提到3D V-cache增大處理器的cache容量,還有其GPU不僅在裸晶內導入了Infinity Cache這種類似L3 cache的結構,也更早應用了HBM2記憶體方案。這些實踐都表明,儲存方面的革新的確能帶來性能的提升。
另外一個例子則是Graphcore的IPU處理器:IPU的特點之一是在裸晶內堆了相當多的cache資源,cache容量遠大於一般的GPU和AI晶片——也就避免了頻繁的訪問外部儲存資源的操作,極大提升頻寬、降低延遲和功耗。
近記憶體運算的本質仍然是馮紐曼架構(Von Neumann architecture)的延續。「在做處理的過程中,多層級的儲存結構,資料的搬運不僅僅在處理和儲存之間,還在不同的儲存層級之間。這樣頻繁的資料搬運帶來了頻寬延遲、功耗的問題。也就有了我們經常說的運算體系內的儲存牆的問題。」劉明說。
構建非馮(non-von Neumann)架構,把傳統的、以運算為中心的馮氏架構,變換一種新的運算範式。把部分運算力下推到儲存。這便是記憶體內運算(in-memory computing)的概念。
記憶體內運算的就現在看來還是比較新,也有稱其為「存算一體」。通常理解為在記憶體中嵌入演算法,儲存單元本身就有運算能力,理論上消除資料存取的延遲和功耗。記憶體內運算這個概念似乎這在資料爆炸時代格外醒目,畢竟可極大減少海量資料的移動操作。
其實記憶體內運算的概念都還沒有非常明確的定義。現階段它可能的內涵至少涉及到在儲記憶體內部,部分執行資料處理工作;主要應用於神經網路(因為非常契合神經網路的工作方式),以及這類晶片具體的工作方法上,可能更傾向於神經型態運算(neuromorphic computing)。
對於AI晶片而言,記憶體內運算的確是很好的思路。一般的GPU和AI晶片執行AI負載時,有比較頻繁的資料存取操作,這對性能和功耗都有影響。不過記憶體內運算的具體實施方案,在市場上也是五花八門,早期比較具有代表性的Mythic導入了一種矩陣乘的儲存架構,用40nm嵌入式NOR,在儲記憶體內部執行運算,不過替換掉了數位週邊電路,改用類比的方式。在陣列內部進行模擬運算。這家公司之前得到過美國國防部的資金支援。
劉明列舉了近記憶體運算和記憶體內運算兩種方案的例子。其中,近記憶體運算的這個方案應該和AMD的3D V-cache比較類似,把儲存裸晶和運算裸晶疊起來。
劉明指出,「這是我們最近的一個工作,採用hybrid bonding的技術,與矽通孔(TSV)做比較,hybrid bonding功耗是0.8pJ/bit,而TSV是4pJ/bit。延遲方面,hybrid bonding只有0.5ns,而TSV方案是3ns。」台積電在3D堆疊方面的領先優勢其實也體現在hybrid bonding混合鍵合上,前文也提到了它具備更高的互連密度和效率。
另外這套方案還將DRAM刷新頻率提高了一倍,從64ms提高至128ms,以降低功耗。「應對刷新率變慢出現拖尾bit,我們引入RRAM TCAM索引這些tail bits」劉明說。
記憶體內運算方面,「傳統運算是用布林邏輯,一個4位元的乘法需要用到幾百個電晶體,這個過程中需要進行資料來回的移動。記憶體內運算是利用單一元件的歐姆定律來完成一次乘法,然後利用基爾霍夫定律完成列的累加。」劉明表示,「這對於今天深度學習的矩陣乘非常有利。它是原位的運算和儲存,沒有資料搬運。」這是記憶體內運算的常規思路。
「無論是基於SRAM,還是基於新型記憶體,相比近記憶體運算都有明顯優勢,」劉明認為。下圖是記憶體內運算和近記憶體運算,精準度、能效等方面的對比,記憶體內運算架構對於低精準度運算有價值。
下圖則總結了業內主要的一些記憶體內運算研究,在精確度和能效方面的對應關係。劉明表示,「需要高精確度、高運算力的情況下,近記憶體運算目前還是有優勢。不過記憶體內運算是更新的技術,這幾年的進步也非常快。」
去年阿里達摩院發佈2020年十大科技趨勢中,有一個就是存算一體突破AI算力瓶頸。不過記憶體內運算面臨的商用挑戰也一點都不小。記憶體內運算的通常思路都是類比電路的運算方式,這對記憶體、運算單元設計都需要做工程上的考量。與此同時這樣的晶片究竟由誰來造也是個問題:是記憶體廠商,還是數文書處理器廠商?(三星推過記憶體內運算晶片,三星、Intel垂直整合型企業似乎很適合做記憶體內運算…)
(2)神經型態運算:神經型態運算和記憶體內運算一樣,也是新興技術的熱門話題,這項技術有時也叫作compute in memory,可以認為它是記憶體內運算的某種發展方向。神經型態和一般神經網路AI晶片的差異是,這種結構更偏「類人腦」。
進行神經型態研究的企業現在也逐漸變得多起來,劉明也提到了AI晶片「最終的理想是在結構層次模仿腦,元件層次逼近腦,功能層次超越人腦」的「類腦運算」。Intel是比較早關注神經型態運算研究的企業之一。
傳說中的Intel Loihi就是比較典型存算一體的架構,「這片裸晶裡面包含128個小核心,每個核心用於模擬1,024個神經元的運算結構。」宋繼強說,「這樣一塊晶片大概可以類比13萬個神經元。我們做到的是把768個晶片再連起來,構成接近1億神經元的系統,讓學術界的夥伴去試用。」
「它和深度學習加速器相比,沒有任何浮點運算——就像人腦裡面沒有乘加器。所以其學習和訓練方法是採用一種名為spike neutral network的路線,功耗很低,也可以訓練出做視覺辨識、語言辨識和其他種類的模型。」宋繼強認為,不採用同步時脈,「刺激的時候就是一個非同步電動勢,只有工作部分耗電,功耗是現在深度學習加速晶片的千分之一。」
「而且未來我們可以對不同區域做劃分,比如這兒是視覺區、那兒是語言區、那兒是觸覺區,同時進行多模態訓練,互相之間產生關聯。這是現在的深度學習模型無法比擬的。」宋繼強說。這種神經型態運算晶片,似乎也是Intel在XPU方向上探索不同架構運算的方向之一。
(2)微型化矽光:這個技術方向可能在層級上更偏高了一些,不再晶片架構層級,不過仍然值得一提。去年Intel在Labs Day上特別談到了自己在矽光(Silicon Photonics)的一些技術進展。其實矽光技術在連接資料中心的交換機方面,已有應用了,發出資料時,連接埠處會有個收發器把電訊號轉為光訊號,透過光纖來傳輸資料,另一端光訊號再轉為電訊號。不過傳統的光收發器成本都比較高,內部元件數量大,尺寸也就比較大。
Intel在整合化的矽光(IIIV族monolithic的光學整合化方案)方面應該是商業化走在比較前列的,就是把光和電子相關的組成部分高度整合到晶片上,用IC製造技術。未來的光通訊不只是資料中心機架到機架之間,也可以下沉到板級——就跟現在傳統的電I/O一樣。電互連的主要問題是功耗太大,也就是所謂的I/O功耗牆,這是這類微型化矽光元件存在的重要價值。
這其中存在的技術挑戰還是比較多,如做資料的光訊號調變的調變器調變器,據說Intel的技術使其實現了1,000倍的縮小;還有在接收端需要有個探測器(detector)轉換光訊號,用所謂的全矽微環(micro-ring)結構,實現矽對光的檢測能力;波分複用技術實現頻寬倍增,以及把矽光和CMOS晶片做整合等。
Intel認為,把矽光模組與運算資源整合,就能打破必須帶更多I/O接腳做更大尺寸處理器的這種趨勢。矽光能夠實現的是更低的功耗、更大的頻寬、更小的接腳數量和尺寸。在跨處理器、跨伺服器節點之間的資料互動上,這類技術還是頗具前景,Intel此前說目標是實現每根光纖1Tbps的速率,並且能效在1pJ/bit,最遠距離1km,這在非本地傳輸上是很理想的數字。
還有軟體…
除了AI晶片本身,從整個生態的角度,包括AI感知到運算的整個鏈條上的其他組成部分,都有促成性能和效率提升的餘地。比如這兩年Nvidia從軟體層面,針對AI運算的中間層、庫做了大量最佳化。相同的底層硬體,透過軟體最佳化就能實現幾倍的性能提升。
宋繼強說,「我們發現軟體最佳化與否,在同一個硬體上可以達到百倍的性能差距。」這其中的餘量還是比較大。
在AI開發生態上,雖然Nvidia是最具發言權的;但從戰略角度來看,像Intel這種研發CPU、GPU、FPGA、ASIC,甚至還有神經型態運算處理器的企業而言,不同處理器統一開發生態可能更具前瞻性。Intel有個稱oneAPI的軟體平台,用一套API實現不同硬體性能埠的對接。這類策略對廠商的軟體框架構建能力是非常大的考驗——也極大程度關乎底層晶片的執行效率。
在摩爾定律放緩、電晶體尺寸微縮變慢甚至不縮小的前提下,處理器架構革新、異質整合與2.5D/3D封裝技術依然可以達成1,000倍的性能提升;而一些新的技術方向,包括近記憶體運算、記憶體內運算和微型矽光,能夠在資料訪存、傳輸方面產生新的價值;神經型態運算這種類腦運算方式,是實現AI運算的目標;軟體層面的最佳化,也能夠帶動AI性能的成倍增長。所以即便摩爾定律嚴重放緩,AI晶片的性能、效率提升在上面提到的這麼多方案加持下,終將在未來很長一段時間內持續飛越。這第三(四)次科技革命恐怕還很難停歇。
資料來源:https://www.eettaiwan.com/20210726nt61-ai-computing/?fbclid=IwAR3BaorLm9rL2s1ff6cNkL6Z7dK8Q96XulQPzuMQ_Yky9H_EmLsBpjBOsWg
慢 慢 的 發現我們相同的頻率 在 XMEN330 身心靈學源 Youtube 的精選貼文
誦持強大「嗡」字真言的八大好處
00:00
12:30
當我第一次開始練習瑜伽時,我比較驚訝的是參與吟誦是何等容易和自然的感覺。我曾在電影中看過和聽過宗教練習的誦經,但是我有從來沒有真正去做直到上一堂瑜伽課。它是一個咒語來著毫無疑問,一個強大高振動的咒語,因為你就是可以感覺到它,誦唸「嗡」(Om)音有許多關於心理的、身體的和精神的好處,甚至一些科學研究已經證實它對健康的益處。
根據《吠陀》經(Vedas)記載,典型的聲音如海浪拍打著海岸,風拋擲樹葉等等聲音,發生在彼此敲擊著對方而形成空氣分子的波浪,接著我們感知到聲音。然而,「嗡」音是由本身所展開,因此它被視為宇宙的聲音,組成所有一切之所是。正如尤迦南達(Yoganand)上師所說的,誦唸「嗡」代表所有意識的展現。﹝來源﹞
梵語「嗡」字發音就像「歐姆」,據說是代表三重分段時間﹝清醒狀態、 睡夢狀態與深眠狀態﹞。「嗡」也代表神,源頭,或宇宙意識,它被認為是造物者聲音,代表創造裡的所有之所是,它容許它的實踐者加強脈輪的能量然後向上流動,然後從頂輪向外開展。
根據瑜伽文獻、印度教和佛教,「嗡」也是關係到第三眼脈輪的真言,當誦唸「嗡」 時可以清理和和平衡你的第三眼,「嗡」也涉及到頂輪,代表與源頭的連接。
你可能會注意到的八個誦唸「嗡」的益處:
幫助減少壓力
《國際瑜伽雜誌》(international Journal of Yoga)發表一項研究發現,誦唸「嗡」音會降低大腦邊緣系統的活動,這是大腦中和壓力,情緒,學習,以及動機有關聯的部位。使用功能性核磁共振成像儀器來監測大腦活動,研究人員發現誦唸「嗡」放鬆大腦,因此可以減少壓力,另一項研究發現它可以用來治療抑鬱症。
改善注意力
如果你熟悉冥想,我確信你能想像誦唸咒語「OM」是如何可以提高注意力。瑜伽文獻裡討論到瑜伽的「八支」(Eight Limbs)﹝即八種方法﹞,第六種是Dharana,是梵語的「專注」,在練習專注時,一個人可以利用冥想以及吟唱咒語,以達到最大專注力,在這種情況下,意味著瑜珈功修行者是完全處於當下,因而能夠減慢心智活動,就專注在一個目標上,抑或是完全讓頭腦安靜下來。
平衡你的情緒
如果你曾經感到一點失落或稍微情況不好,誦唸「嗡」音可以幫助你連接本我和平衡你的情緒,你可能會發現,隨著你持誦,你的頭腦開始清理,這是因為你專注在一件事,「嗡」的聲音或振動發散,「嗡」擁有大自然一切相同的頻率,讓你進一步做連接,並且向內看。
強化脊椎神經
當你發出「嗡」音第一部分,「阿」音時,振動從腹部發出,可以協助支援你的脊椎神經,據說一個人常常誦唸「嗡」音,他的脊椎神經可能變得更有效能。
減輕胃的問題
哈佛大學研究發現冥想可以減輕大腸激躁症( IBS)症狀和改善腸道健康,研究顯示,藉由引起放鬆的反應,練出者展現IBS症狀得到緩解,降低焦慮,以及得到整體更佳的生活品質。誦唸「嗡」也能誘導放鬆的反應,因為這是常見的冥想練習,所以下次你胃痛時,也許唸誦「嗡」也可以協助你胃的問題。
改善心臟健康
在過去,冥想已被證實能改善心臟健康。如果一個人連續誦唸「嗡」多次,這可被視作一種冥想,特別是因為誦唸「嗡」之後的靜默是冥想重要的部份。2006年一份針對「超覺靜坐」(transcendental meditation,TM)的效果研究,這是一種靜坐形式,練習者不斷重複一個咒語,結論是TM可以改善血壓和心臟自主神經系統,以及降低冠心病的風險。
改善精神的靈活性
2010年一份研究調查,誦唸「嗡」對心靈的影響,研究人員發現,誦唸「嗡」結果會同時獲得靈敏的精神和生理上獲得休養的雙重效果,這是有道理的,打坐和唸佛事實上可以提高專注力。
幫助自己擺脫負面情緒
誦唸「嗡」創造在體內積極的振動,然後可以吸引正向能量進入你的生活,誦唸「嗡」讓你專注在你的第三眼脈輪和目光向內觀照,靜默你的頭腦,如果你發現自己處於負面想法,喋喋不休或似乎不能停止思考,試著誦唸「嗡」幾次,看看這樣是否可以幫助將頭腦的心智活動慢下來。
最後的想法
誦唸咒語沒有所謂對或錯的方法,每個人都可以做得到,每個人聽起來可能有些不同,有時我會在開車時吟唱「嗡」幾次,或特別是練瑜伽之後,它幫助我讓心平靜下來和轉向內在,記住我們內心都存在著愛,不要害怕走出你的舒適區,你也來試試看!