Этот фокусированный на искусственном интеллекте чип переопределяет эффективность удваивая экономию энергии путем объединения обработки и памяти
Искусственный интеллект в действии новейший чип повышает эффективность и экономит энергию
В мире, где растет спрос на локальный интеллект, основанный на данных, все большую роль приобретает задача обеспечения возможности устройствам анализировать данные автономно на краю сети. Этот переход к устройствам с искусственным интеллектом на краю, включая носимые устройства, датчики, смартфоны и автомобили, представляет следующую фазу роста в полупроводниковой промышленности. Эти устройства поддерживают обучение в реальном времени, автономность и встроенный интеллект.
Однако у этих устройств на краю сети есть серьезное препятствие, которое называется бутылочным горлышком фон-Неймана, при котором высокие требования к доступу к данным при вычислениях, связанных с глубоким обучением и искусственным интеллектом, превышают возможности локальных вычислений в традиционных алгоритмических логических блоках.
Путь к решению этой вычислительной проблемы привел к архитектурным инновациям, включая вычисление в памяти (IMC). IMC, выполняя операции умножения и накопления (MAC) непосредственно в памяти, предлагает потенциал для революции в системах искусственного интеллекта. Существующие реализации IMC часто включают бинарные логические операции, ограничивая их эффективность при более сложных вычислениях.
- Топ-ассистенты по электронной почте на основе искусственного интеллекта (ноябрь 2023 года)
- Объятие искусственного интеллекта в журналистике – Новостной карусель
- Модель искусственного интеллекта RealLife от Google представляется как магия.
Встречайте новаторский макрос кроссбара IMC со многоуровневым ферроэлектрическим транзистором с полем эффекта (FeFET) для многобитных операций MAC. Эта инновация выходит за рамки традиционных бинарных операций, используя электрические характеристики сохраненных данных в ячейках памяти для получения результатов операции MAC, закодированных во времени активации и суммарном токе.
Зафиксированные выдающиеся показатели производительности ничего неотразимы в своей потрясающей природе. С точностью в 96,6% в распознавании почерка и с точностью в 91,5% в классификации изображений, все без дополнительного обучения, это решение готово преобразить область искусственного интеллекта. Его энергоэффективность, составляющая 885,4 TOPS/W, почти вдвое превосходит существующие разработки, дополнительно подчеркивая его потенциал для развития отрасли.
В заключение, эта прорывная работа представляет собой значительный скачок в области искусственного интеллекта и вычислений в памяти. Решая проблему бутылочного горлышка фон-Неймана и представляя новый подход к многобитным операциям MAC, это решение не только предлагает новый взгляд на аппаратное обеспечение искусственного интеллекта, но и обещает открыть новые горизонты для локального интеллекта на краю сети, в конечном итоге формируя будущее вычислений.