この人工知能に焦点を当てたチップは効率を再定義します:処理とメモリを統合することでエネルギーの節約を倍増させる

「AI技術によるチップが効率を再定義する:処理とメモリを統合してエネルギー節約を倍増させる」

データ中心のローカルインテリジェンスの需要が高まる中、デバイスが自律的にデータを解析できるようにするという課題がますます重要となっています。これらのエッジAIデバイスは、ウェアラブルデバイス、センサー、スマートフォン、自動車などを包括し、半導体産業の次の成長フェーズを示しています。これらのデバイスは、リアルタイムの学習、自律性、埋め込み型インテリジェンスをサポートしています。

しかし、これらのエッジAIデバイスは、フォンノイマンボトルネックとして知られる重要な障害に直面しています。特にディープラーニングやAIに関連するメモリバウンドの計算タスクでは、従来のアルゴリズムロジックユニット内のローカル計算能力を超えるほどのデータアクセスの需要が生じます。

この計算上のジレンマを解決するための道筋は、インメモリコンピューティング(IMC)を含む多くのアーキテクチャイノベーションに繋がってきました。メモリアレイ内で直接乗算蓄積(MAC)演算を行うことにより、IMCはAIシステムを革新する可能性を秘めています。既存のIMCの実装では、バイナリ論理演算が主であり、複雑な演算には制約があります。

新しいインメモリコンピューティング(IMC)クロスバーマクロでは、マルチビットMAC演算用のマルチレベルフェロ電界効果トランジスタ(FeFET)セルが特徴です。このイノベーションにより、従来のバイナリ演算の制約を超え、メモリセル内に格納されたデータの電気特性を利用して、アクティベーションタイムと蓄積電流に符号化されたMAC演算結果を導き出すことができます。

この革新的な性能は、驚くべきものです。追加のトレーニングなしに、手書き認識において96.6%の正確性、画像分類において91.5%の正確性を達成し、このソリューションはAIの風景を変える準備が整っています。エネルギー効率は、885.4 TOPS/Wと評価され、既存の設計のほぼ2倍となり、産業を前進させる潜在能力を更に強調しています。

まとめると、この画期的な研究はAIとインメモリコンピューティングにおいて大きな進歩を表しています。フォンノイマンボトルネックに取り組み、マルチビットMAC演算に新たなアプローチを導入することで、このソリューションはAIハードウェアに新しい視点を提供するだけでなく、エッジにおけるローカルインテリジェンスの新たな可能性を開拓し、最終的にはコンピューティングの未来を形作ることを約束しています。

We will continue to update VoAGI; if you have any questions or suggestions, please contact us!

Share:

Was this article helpful?

93 out of 132 found this helpful

Discover more

AIニュース

「ユネスコ、AIチップの埋め込みに関するプライバシー懸念を指摘」

最近、国連は人工知能(AI)と先進的な神経技術の組み合わせに伴う潜在的な危険性について警告しました。報告によると、脳イ...

機械学習

仮想現実における人間の動作認識の進展:本AI論文では、LKA-GCNというスケルトン大カーネルアテンションを導入して、非の打ちどころのないパフォーマンスを実現します

スケルトンベースの人間のアクション認識は、ビデオデータからスケルトンの関節位置を分析して人間のアクションを識別するコ...

AI研究

アップルの研究者がDeepPCRを公開:通常は順次処理される操作を並列化してニューラルネットワークの推論とトレーニングの速度を向上させる新しい機械学習アルゴリズム

人工知能や深層学習の進展により、さまざまな革新が実現されています。テキストや画像の合成、分割、分類などの複雑なタスク...

データサイエンス

オフポリシーモンテカルロ制御を用いた強化学習レーストラックの演習問題の解決

『「強化学習入門 第2版」の「オフポリシーモンテカルロ制御」セクション(112ページ)では、著者が興味深い演習を残してくれ...

機械学習

「Lineが『japanese-large-lm』をオープンソース化:36億パラメータを持つ日本語言語モデル」

2020年11月以来、LINEは日本語に特化した先進的な大規模言語モデルの研究開発に取り組んできました。この旅の重要なマイルス...