你的位置：首頁(yè) > 測(cè)試測(cè)量 > 正文

人工智能能否重振內(nèi)存式運(yùn)算架構(gòu)？

發(fā)布時(shí)間：2018-05-04 來(lái)源：Rick Merritt 責(zé)任編輯：wenwei

【導(dǎo)讀】業(yè)界開(kāi)始重新審視十年前開(kāi)發(fā)的處理器架構(gòu)，看好速度較GPU更快1萬(wàn)倍的所謂「內(nèi)存式運(yùn)算」(In-Memory Computing；IMC)，將有助于新一代AI加速器發(fā)展。
 
新創(chuàng)公司、企業(yè)巨擘和學(xué)術(shù)界開(kāi)始重新審視十年前開(kāi)發(fā)的處理器架構(gòu)，看好它或許剛好就是機(jī)器學(xué)習(xí)(machine learning)的理想選擇。他們認(rèn)為，「內(nèi)存式運(yùn)算」(In-Memory Computing；IMC)架構(gòu)可望推動(dòng)新型的人工智能(AI)加速器進(jìn)展，使其速度較現(xiàn)行的GPU更快1萬(wàn)倍。
 
這些處理器承諾可在CMOS微縮速度放緩之際擴(kuò)展芯片性能，而要求密集乘法累積數(shù)組的深度學(xué)習(xí)算法也正逐漸獲得動(dòng)能。這些芯片雖然距離商用化上市還有一年多的時(shí)間，但也可能成為推動(dòng)新興非揮發(fā)性內(nèi)存成長(zhǎng)的引擎。
 
例如，新創(chuàng)公司Mythic瞄準(zhǔn)在閃存(flash)數(shù)組內(nèi)部進(jìn)行神經(jīng)網(wǎng)絡(luò)運(yùn)算任務(wù)，致力于從模擬領(lǐng)域降低功耗。該公司的目標(biāo)是在2019年底量產(chǎn)芯片，成為率先推出這一類新芯片的公司之一。
 
美國(guó)圣母大學(xué)(Notre Dame)電子工程系系主任Suman Datta說(shuō)：「在我們學(xué)術(shù)界大多數(shù)的人認(rèn)為，新興內(nèi)存將成為實(shí)現(xiàn)內(nèi)存處理器(processor-in-memory；PIM)的技術(shù)之一。采用新的非揮發(fā)性內(nèi)存將意味著創(chuàng)造新的使用模式，而內(nèi)存式運(yùn)算架構(gòu)將是關(guān)鍵之一。」
 
Datta指出，在1990年代，有幾位學(xué)者試圖打造這樣的處理器。諸如EXECUBE、IRAM和FlexRAM之類的設(shè)計(jì)都「失敗了，而今，隨著相變內(nèi)存(PCM)、電阻式RAM (RRAM)和STT MRAM等新興內(nèi)存出現(xiàn)，以及業(yè)界對(duì)于機(jī)器學(xué)習(xí)硬件加速器的興趣濃厚，開(kāi)始振興這個(gè)領(lǐng)域的研究。不過(guò)，據(jù)我所知，大部份的展示都還是在組件或組件數(shù)組層級(jí)進(jìn)行，而不是一個(gè)完整的加速器?！?/div>
 
其中一家競(jìng)爭(zhēng)對(duì)手來(lái)自IBM于2016年首次披露的「電阻處理器」(Resistive Processing Unit；RPU)。這是一款4,096 x 4,096交叉數(shù)組的模擬組件。
 
IBM研究員Vijay Narayanan認(rèn)為，「其挑戰(zhàn)在于找出正確的模擬內(nèi)存元素是什么——我們正在評(píng)估相變、RRAM和鐵電。」Vijay Narayanan同時(shí)也是一位材料科學(xué)家，他主要的研究領(lǐng)域是在高K金屬閘極。
 
在2015年，美國(guó)史丹佛大學(xué)(Stanford University)也曾經(jīng)發(fā)布在這一領(lǐng)域的研究。中國(guó)和韓國(guó)的研究人員也在追求這一理念。
 
為了實(shí)現(xiàn)成功，研究人員需要找到兼容于CMOS晶圓廠的內(nèi)存組件所需材料。此外，Narayanan說(shuō)，「真正的挑戰(zhàn)」就在于必須在施加電壓時(shí)展現(xiàn)對(duì)稱的電導(dǎo)或電阻。
 
人工智能能否重振內(nèi)存式運(yùn)算架構(gòu)？
IBM Research的材料科學(xué)家Vijay Narayanan表示，大多數(shù)用于AI的內(nèi)存處理器仍處于研究階段，距離可上市的時(shí)間約三至五年 （來(lái)源：IBM）
 
關(guān)于未來(lái)電晶體的幾點(diǎn)思考
 
IBM至今已經(jīng)制造出一些離散式組件和數(shù)組，但并不是一款具有4Kx4K數(shù)組的完整測(cè)試芯片，也尚未采用目前所認(rèn)為的理想材料。Narayanan表示，IBM的Geoff Burr在500 x 661數(shù)組上采用相變材料進(jìn)行深度神經(jīng)網(wǎng)絡(luò)(DNN)訓(xùn)練，而其結(jié)果顯示「合理的精確度和加速度」。
 
「我們正穩(wěn)步前進(jìn)，但了解還必須改善現(xiàn)有的材料，而且也在評(píng)估新材料?！?/div>
 
IBM希望使用模擬組件，以便能夠定義多個(gè)電導(dǎo)狀態(tài)，從而較數(shù)字組件更有助于為低功耗操作開(kāi)啟大門。該公司還看好大型數(shù)組可望成為平行執(zhí)行多項(xiàng)AI操作的大好機(jī)會(huì)。
 
Narayanan樂(lè)觀地認(rèn)為，IBM可以利用其于高k金屬閘極方面累積的多年經(jīng)驗(yàn)，找到調(diào)整AI加速器電阻的材料。他花了十幾年的時(shí)間，才將IBM在該領(lǐng)域的專業(yè)知識(shí)從研究轉(zhuǎn)向商業(yè)產(chǎn)品，并與格芯(Globalfoundries)和三星(Samsung)等業(yè)界伙伴合作。
 
展望未來(lái)，IBM將致力于開(kāi)發(fā)閘極全環(huán)(GAA)晶體管，將奈米片用于7nm節(jié)點(diǎn)以外的應(yīng)用。他認(rèn)為這一類的設(shè)計(jì)并不存在根本的障礙，而只是實(shí)施的問(wèn)題。
 
除了奈米片之外，研究人員正在探索負(fù)電容場(chǎng)效晶體管(FET)，這些FET可在電壓變化很小的情況下提供較大的電流變化。從研究人員發(fā)現(xiàn)這種摻雜氧化鉿是鐵電材料，而且可能兼容于CMOS后，過(guò)去這五年來(lái)，這種想法越來(lái)越受到關(guān)注。
 
但Narayanan也說(shuō)，「目前還有很多反對(duì)者以及同時(shí)支持二者的人?！?/div>
 
「我們的研究顯示，負(fù)電容是一種短暫的效應(yīng)，」Notre Dame的Datta說(shuō)，「因此，當(dāng)極化開(kāi)關(guān)切換時(shí)，通道電荷得以暫時(shí)啟動(dòng)，而一旦瞬時(shí)穩(wěn)定后就不會(huì)再取得任何結(jié)果?！?/div>
 
美國(guó)加州大學(xué)柏克萊分校(UC Berkeley)的研究人員則「相信這是一種重要的『新?tīng)顟B(tài)』。因此，故事仍在繼續(xù)發(fā)展中，可以說(shuō)大部份的公司都在內(nèi)部進(jìn)行評(píng)估中。」
 
本文轉(zhuǎn)載自電子技術(shù)設(shè)計(jì)。
 
 
推薦閱讀：
 
特別推薦
技術(shù)文章更多>>
技術(shù)白皮書下載更多>>
熱門搜索
?

關(guān)閉

?

關(guān)閉