xml地图|网站地图|网站标签 [设为首页] [加入收藏]

科技科学

当前位置:澳门金莎娱乐网站-官方首页 > 科技科学 > 该芯片基于内存计算技术澳门金莎娱乐网站,导

该芯片基于内存计算技术澳门金莎娱乐网站,导

来源:http://www.qd-haiyu.com 作者:澳门金莎娱乐网站-官方首页 时间:2019-11-07 08:58

研究人员称:如果以前的芯片是引擎,新芯片就是整车

通过改变计算的基本属性,美国普林斯顿大学研究人员日前打造的一款专注于人工智能系统的新型计算机芯片,可在极大提高性能的同时减少能耗需求。

点击上方关注,All in AI中国

中国科技网·科技日报纽约11月17日电通过改变计算的基本属性,美国普林斯顿大学研究人员日前打造的一款专注于人工智能系统的新型计算机芯片,可在极大提高性能的同时减少能耗需求。

该芯片基于内存计算技术,旨在克服处理器需要花费大量时间和能量从内存中获取数据的主要瓶颈,通过直接在内存中执行计算,提高速度和效率。芯片采用了标准编程语言,在依赖高性能计算且电池寿命有限的手机、手表或其他设备上特别有用。

机器学习,特别是深度学习,正迫使重新评估芯片和系统的设计方式,这将改变未来几十年行业的发展方向。

该芯片基于内存计算技术,旨在克服处理器需要花费大量时间和能量从内存中获取数据的主要瓶颈,通过直接在内存中执行计算,提高速度和效率。芯片采用了标准编程语言,在依赖高性能计算且电池寿命有限的手机、手表或其他设备上特别有用。

研究人员表示,对于许多应用而言,芯片的节能与性能提升同样重要,因为许多人工智能应用程序将在由移动电话或可穿戴医疗传感器等电池驱动的设备上运行。这也是对可编程性的需求所在。

从芯片到软件再到系统,计算领域将在未来几年内因机器学习的普及而发生巨大变化。我们可能仍然将这些计算机称为“通用图灵机”,因为我们已有八十年或更长时间了。但在实践中,它们将不同于迄今为止的构建和使用方式。

研究人员表示,对于许多应用而言,芯片的节能与性能提升同样重要,因为许多人工智能应用程序将在由移动电话或可穿戴医疗传感器等电池驱动的设备上运行。这也是对可编程性的需求所在。

经典计算机体系结构将处理数据的中央处理器与存储数据的内存分离,很多计算机的能耗用于来回转移数据。新芯片考虑在架构级别而不是晶体管级别来突破摩尔定律的局限。但创建这样一个系统面临的挑战是,内存电路要设计得尽可能密集,以便打包大量数据。

任何关心计算机工作的人以及对所有形式的机器学习感兴趣的人都会感兴趣。

经典计算机体系结构将处理数据的中央处理器与存储数据的内存分离,很多计算机的能耗用于来回转移数据。新芯片考虑在架构级别而不是晶体管级别来突破摩尔定律的局限。但创建这样一个系统面临的挑战是,内存电路要设计得尽可能密集,以便打包大量数据。

研究团队使用电容器来解决上述问题,电容器可比晶体管在更密集的空间内进行计算,还可非常精确地制作在芯片上。新设计将电容器与芯片上的静态随机存取存储器的传统单元配对。电容器和SRAM的组合用于对模拟域中的数据进行计算。这种内存电路可按照芯片中央处理单元的指令执行计算。

2月,Facebook的A.I.负责人研究人员Yann LeCun在旧金山举行的国际固态电路会议上发表了演讲,这是世界上运行时间最长的计算机芯片会议之一。在ISSCC上,LeCun明确指出了计算机技术对A.I.的重要性。

研究团队使用电容器来解决上述问题,电容器可比晶体管在更密集的空间内进行计算,还可非常精确地制作在芯片上。新设计将电容器与芯片上的静态随机存取存储器的传统单元配对。电容器和SRAM的组合用于对模拟域中的数据进行计算。这种内存电路可按照芯片中央处理单元的指令执行计算。

实验室测试表明,该芯片的性能比同类芯片快几十到几百倍。研究人员称,其已将内存电路集成到可编程处理器架构中。“如果以前的芯片是强大的引擎,新芯片就是整车。”

LeCun表示,“硬件功能和软件工具既能激励又能限制AI研究人员想象,我们所掌握的工具比我们承认的更能影响我们的想法。”

实验室测试表明,该芯片的性能比同类芯片快几十到几百倍。研究人员称,其已将内存电路集成到可编程处理器架构中。“如果以前的芯片是强大的引擎,新芯片就是整车。”

普林斯顿大学研制的新芯片主要用于支持为深度学习推理算法设计的系统,这些算法允许计算机通过学习数据集来制定决策和执行复杂的任务。深度学习系统可指导自动驾驶汽车、面部识别系统和医疗诊断软件。

从2006年开始,深度学习的兴起不仅是因为大量数据和机器学习中的新技术,例如“dropout”,而且还因为计算能力越来越强。特别是,越来越多地使用来自Nvidia的图形处理单元或“GPU”,导致计算的更大并行化。这使得训练比过去更大的网络成为可能。20世纪80年代提出的“并行分布式处理”的前提,即同时训练人工网络的节点,最终成为现实。

普林斯顿大学研制的新芯片主要用于支持为深度学习推理算法设计的系统,这些算法允许计算机通过学习数据集来制定决策和执行复杂的任务。深度学习系统可指导自动驾驶汽车、面部识别系统和医疗诊断软件。

一些人认为,机器学习现在有望“接管”世界上大部分的计算活动。在2月份的ISSCC期间,LeCun向ZDNet讲述了计算方向的变化。 LeCun表示,“如果你走了五年,未来十年,你会看到计算机花费时间做些什么,大多数情况下,我认为就计算量而言,他们会做一些像深度学习这样的事情。”

深度学习呈指数增长

随着深度学习成为计算的焦点,它正在推动当今计算机达到能够做到的界限,在某种程度上推动神经网络进行预测的“推理任务”,但对于训练神经网络更是如此,计算密集型功能。

澳门金莎娱乐网站 1

据OpenAI称,自2012年以来,深度学习网络对计算的需求每3.5个月翻一番

诸如OpenAI的GPT-2之类的现代神经网络需要并行训练超过十亿个参数或网络权重。Facebook的热门机器学习训练库PyTorch的产品经理表示,“模型越来越大,它们真的非常大,而且训练成本非常高。”如今最大的模型通常不能完全存储在GPU附带的内存电路中。”

计算周期的需求速度也越来越快。根据OpenAI提供的数据,早在2012年创建的令人尊敬的AlexNet图像识别系统在总训练时间内耗费了相当于每秒1000万次浮点运算的“千万亿次浮点运算”,总时间达到一天。但AlphaZero是由谷歌的DeepMind在2016年建立的神经网络,它击败了世界上的国际象棋冠军,并且实现每秒消耗超过一千天的千万亿次飞越。 AlexNet和AlphaZero之间计算周期的增加使得每3.5个月的计算消耗量翻了一番。这是2016年收集的数据。到目前为止,步伐无疑会增加。

计算机芯片危机

本文由澳门金莎娱乐网站-官方首页发布于科技科学,转载请注明出处:该芯片基于内存计算技术澳门金莎娱乐网站,导

关键词: