Новый чип якобы предлагает «лучшую память среди всех чипов для Edge AI»

Поскольку искусственный интеллект продолжает проникать в нашу повседневную жизнь, требования к вычислительному оборудованию становятся все более строгими. Сегодня наши самые сложные и масштабные модели искусственного интеллекта существуют в облаке, как и те, что лежат в основе ChatGPT. Многие полагают, что для полного раскрытия потенциала ИИ необходимо будет довести эти модели до совершенства. Для достижения этой цели потребуется сочетание высокооптимизированных и легких моделей искусственного интеллекта, а также плотных и мощных вычислительных ресурсов.

На этой неделе исследователи из Университета Южной Калифорнии стали новостью в отрасли, опубликовав новую статью, в которой утверждается, что они достигли «лучшей памяти среди всех чипов для периферийного искусственного интеллекта». В этой статье мы поговорим о необходимости улучшения памяти для передового искусственного интеллекта и новой мемристивной технологии от USC.

Поскольку алгоритмы ИИ становятся все более сложными, потребность в более быстрых и эффективных технологиях памяти становится все более важной. Однако традиционные технологии памяти, такие как динамическая память с произвольным доступом (DRAM) и флэш-память, не подходят для приложений ИИ из-за их ограниченной емкости, высокого энергопотребления и низкой скорости чтения и записи.

Одной из многообещающих технологий для приложений искусственного интеллекта являются мемристоры — резистивные переключающие устройства, которые можно использовать для энергонезависимой памяти и нейроморфных вычислений. Мемристоры обладают рядом преимуществ, включая высокую плотность, низкое энергопотребление и высокую скорость чтения и записи. Кроме того, мемристоры можно использовать для реализации нейронных сетей, которые имеют решающее значение для многих приложений искусственного интеллекта.

Чтобы вывести искусственный интеллект на передний план, улучшенные мемристорные технологии должны поддерживать высокоточное программирование и обеспечивать единообразную и точную работу на огромном количестве устройств. Высокоточные мемристоры необходимы для загрузки синаптических весов, полученных в результате облачного обучения, и программирования их непосредственно в мемристоры. Это сделало бы практичным обучение моделей нейронных сетей с нуля и распространение их среди миллиардов мемристивных нейронных сетей на периферии.

Мемристивные переключающие устройства известны своим относительно большим динамическим диапазоном проводимости, который может обеспечить большое количество дискретных уровней проводимости внутри устройства. Эти уникальные уровни проводимости в одном устройстве могут стать ключом к созданию памяти высокой плотности для периферийных приложений искусственного интеллекта.

Несмотря на теоретический потенциал бесконечного числа уровней проводимости, наибольшее количество уровней проводимости, зарегистрированное на сегодняшний день, не превышает двухсот. Основной причиной этого являются колебания устройства, возникающие на каждом уровне проводимости, которые ограничивают достижимый диапазон проводимости.

Чтобы гарантировать единообразную и точную работу огромного количества мемристивных сетей, разработчики должны иметь доступ к высокоточному программированию. Эта возможность может обеспечить множество различимых уровней проводимости на каждом мемристивном устройстве.

На этой неделе исследователи из Университета Южной Калифорнии опубликовали новую статью, в которой описывают прорыв в мемристивной технологии для периферийных приложений искусственного интеллекта.

В статье, опубликованной в журнале Nature, исследователи сообщают о достижении более 2048 уровней проводимости для мемристивных устройств, что представляет собой наибольшее количество дискретных уровней проводимости среди всех когда-либо зарегистрированных типов памяти. Исследователи обнаружили, что мемристивные колебания можно значительно уменьшить, применяя определенные электрические стимулы в качестве процесса шумоподавления.

Используя этот процесс шумоподавления, который не требует каких-либо дополнительных схем, исследователи успешно запрограммировали коммерческий мемристор, изготовленный производителем полупроводников, на 2048 уровней проводимости, что соответствует 11-битному разрешению. Важно отметить, что этот подвиг был достигнут в мемристорных устройствах, полностью интегрированных в чип в коммерческом литейном производстве, что доказывает коммерческую жизнеспособность прототипа.

Исследователи надеются, что благодаря этому первоначальному успеху они, возможно, проложили путь к использованию массивных моделей ИИ на небольших вычислительных платформах.