Edistysaskel mikropiirien kehityksessä lähentää meitä AI-reunatietokoneista

Princetonin yliopiston tutkijat ovat kehittäneet yhteensuunniteltua laitteistoa ja ohjelmistoa, jolla voidaan edelleen lisätä erikoistuneiden tekoälyjärjestelmien nopeutta ja tehokkuutta.

Naveen Verma on Princetonin yliopiston sähkö- ja tietotekniikan professori, joka johtaa tutkimusryhmää.

”Ohjelmisto on kriittinen osa uuden laitteiston mahdollistamisessa”, Verma sanoi. ”Toiveena on, että suunnittelijat voivat jatkaa saman ohjelmistojärjestelmän käyttöä – ja sen toimivan kymmenen kertaa nopeammin ja tehokkaammin.”

Tutkijoiden kehittämät järjestelmät vähentävät virran tarvetta ja etäpalvelimilta vaihdettavan datamäärää. Tämän ansiosta tekoälysovellukset, kuten dronejen ohjelmistot, voivat toimia tietokoneinfrastruktuurin reunalla.

Verma on myös yliopiston Keller Center for Innovation in Engineering Education -keskuksen johtaja.

”Tekoälyn tekemiseksi helposti saataville reaaliajassa ja usein henkilökohtaisissa prosesseissa meidän on ratkaistava viive- ja tietosuojakysymykset siirtämällä laskennan itse reunalle”, Verma sanoi. ”Ja siihen vaaditaan sekä energiatehokkuutta että suorituskykyä.”

Uudet piirisuunnitelmat

Princetonin tiimi kehitti kaksi vuotta sitten uuden piirisuunnitelman, joka oli tarkoitettu parantamaan neuroverkkojen suorituskykyä. Piiri pystyi suorittamaan kymmenen tai satojen kertaa paremmin kuin markkinoiden muut mikropiirit.

”Piirin suurin heikkous on, että se käyttää erittäin epätavallista ja häiritsevää arkkitehtuuria”, Verma sanoi vuonna 2018. ”Se on sovittava yhteen valtavan määrän infrastruktuurin ja suunnittelumenetelmien kanssa, joita meillä on ja käytämme tänään.”

Piiriä jalostettiin jatkuvasti seuraavien kahden vuoden aikana, ja luotiin ohjelmisto, joka mahdollisti tekoälyjärjestelmien hyödyntämisen uutta teknologiaa tehokkaasti. Ideana oli, että uudet piirit voisivat mahdollistaa järjestelmien skaalautuvuuden sekä laitteiston että ohjelmiston suorittamisessa.

”Se on ohjelmoitavissa kaikissa näissä verkostoissa”, Verma sanoi. ”Verkostot voivat olla hyvin suuria, ja ne voivat olla hyvin pieniä.”

Paras skenaario laskennalle on, että se tapahtuu itse teknologian sijasta etäverkkotietokoneessa. Tämä vaatii kuitenkin valtavat määrät virtaa ja muistitilaa, mikä tekee sellaisen järjestelmän suunnittelun haasteelliseksi.

Tätä rajoitusta vastaan tutkijat suunnittelivat piirin, joka suorittaa laskentaa ja tallentaa dataa samalla alueella, jota kutsutaan muistitietokoneeksi. Tämä tekniikka leikkaa energian ja ajan, joka tarvitaan tietojen vaihtamiseen omistetun muistin kanssa.

Analogisen toiminnan kiertämiseksi, joka vaaditaan muistitietokoneelle ja joka on herkkä korruptiolle, tiimi turvautui kondensaattoreihin transistoreiden sijasta piirisuunnittelussa. Kondensaattorit eivät kärsi jännitteen muutoksista, ja ne ovat tarkinpa.

Vaikka analogisissa järjestelmissä on useita haasteita, ne tarjoavat monia etuja sovelluksissa, kuten neuroverkoissa. Tutkijat ovat nyt yhdistämässä näitä kahta järjestelmätyyppiä, koska digitaaliset järjestelmät ovat keskeisiä, kun taas neuroverkkoja käyttävät analogipiirit pystyvät suorittamaan nopeita ja tehokkaita erikoistuneita operaatioita.