Tekoäly (AI) on noussut merkittäväksi tekniikan edistysaskeleeksi, mutta sen vaatima laskentateho on mittava. Tämä vaatimus kuluttaa suuria määriä sähköä ja synnyttää liiallista lämpöä. Vaikka tämä haaste voidaan ratkaista ilmastoiduissa tietokeskuksissa, se muuttuu entistä monimutkaisemmaksi ”taktisella reunalla” – vaativissa ympäristöissä kuten ukrainalaisessa mudassa, arktisissa lumiolosuhteissa tai aavikon hiekalla.
Puuttuakseen tähän ongelmaan Puolustuksen Advanced Research Projects Agency (DARPA) käynnisti joulukuussa OPTIMA-ohjelman. OPTIMA, jonka nimi tulee sanoista ”Optimum Processing Technology Inside Memory Arrays,” pyrkii kehittämään kompaktia AI-teknologiaa ohittamalla koko, painon, tehon ja jäähdytyksen rajoitukset. DARPA myönsi sopimuksia IBM:lle, Infineonille ja kolmelle Yhdysvaltain yliopistolle, mahdollisella yhteisarvolla 78 miljoonaa dollaria neljässä ja puolessa vuodessa.
DARPAn OPTIMA-ohjelman johtaja, Jason Woo, ilmoitti, että jokaisella vastaanottajalla on oma ainutlaatuinen ja innovatiivinen lähestymistapansa tämän haasteen ratkaisemiseksi. Haastattelut ja kommunikaatiot sopimusten saajien kanssa paljastivat kuitenkin joitakin yhtäläisyyksiä ja tärkeitä eroja heidän strategioissaan.
OPTIMA-ohjelman keskeinen ongelma koskee perinteisten sirujen välillä datan siirtämistä muistin ja prosessorin välillä. Koska tekoäly nojaa monimutkaisiin laskelmiin, jotka suoritetaan valtavissa datamäärissä, nämä jatkuvat siirrot luovat merkittävän pullonkaulan. Tämän voittamiseksi insinöörit ovat tutkineet In-Memory Computing (IMC):tä, joka integroi prosessorin muistiin poistaakseen useat datasiirrot.
OPTIMA-ohjelmassa on tapahtunut läpimurtoja IMC-tekniikoissa. Princetonin yliopiston ryhmä, jota johtaa professori Naveem Varma, kehitti ainutlaatuisen ratkaisun käyttämällä kondensaattoreita seuraamaan analogisia signaaleja siirrettäessä puolijohteiden sijaan. Metallilankojen välinen etäisyys määrittää sähkövarauksen, mikä tarjoaa suuremman energiatehokkuuden. Merkittävää on, että Verman lähestymistapa ei vaadi eksoottista työkalutusta, mikä tekee siitä erittäin helposti saatavilla, sillä sirujen valmistajat käyttävät jo vastaavia tekniikoita massiivisessa mittakaavassa.
Muut OPTIMA:n palkinnonsaajat, kuten UCLA ja Georgia Tech, hyödyntävät myös analogisia tekniikoita pienentäessään AI-piirejä. UCLA käyttää laajalti saatavilla olevaa transistoria nimeltä 22FDX. Säätämällä huolellisesti sen kynnysjännitteen vaihteluita tiimi voi koodata dataa paljon tiiviimmin kuin vaihtoehtoiset lähestymistavat. He lieventävät jännitevirheitä käyttämällä kalibrointitekniikkaa nimeltä ”write-verify-write” varmistaen datan luotettavuuden. Samoin Georgia Tech hyödyntää transistoreita rakentaakseen kyvyn selvittää keskeisiä laskelmia miniaturisoituihin AI-piireihinsä.
Nämä mullistavat edistysaskeleet tekoälypiirien pienentämisessä antavat vilauksen AI-teknologian tulevaisuudesta. Optimoiden prosessointitehoa kompaktissa muodossa nämä innovaatiot tuovat tekoälyn kyvyt taktiselle reunalle ja mullistavat eri teollisuudenalat.
UKK
Mikä on OPTIMA-ohjelma?
OPTIMA-ohjelma, jonka DARPA on käynnistänyt, pyrkii kehittämään kompaktia AI-teknologiaa integroimalla prosessorin muistiin, poistaen tarpeen useille datasiirroille.
Mikä on In-Memory Computing (IMC)?
In-Memory Computing (IMC) tarkoittaa prosessorin sijoittamista muistin sisälle, sallien datan ”kävellä työhön” ja välttäen jatkuvien datasiirtojen aiheuttaman pullonkaulan.
Mitä haasteita tekoälypiirien pienentämisessä on?
Päähaasteet tekoälypiirien pienentämisessä ovat koko, paino, teho ja jäähdytyksen rajoitukset. Lisäksi datan luotettavuuden varmistaminen ja energiankulutuksen vähentäminen ovat keskeisiä osa-alueita, jotka on ratkaistava.
Mitä ovat innovatiivisia ratkaisuja tekoälypiirien pienentämiseen?
Tutkijat ja insinöörit tutkivat erilaisia analogisia tekniikoita, kuten kondensaattorien tai transistorien käyttöä, signaalien siirtämiseksi tehokkaammin ja tiiviimmin. Nämä ratkaisut tarjoavat suuremman energiatehokkuuden ja parantuneen datan luotettavuuden.
Miten miniaturisoidut tekoälypiirit mullistavat teollisuutta?
Optimoimalla prosessointitehoa kompaktissa muodossa, miniaturisoidut tekoälypiirit laajentavat tekoälyn kyvykkyyksiä haastavissa ympäristöissä ja mullistavat teollisuudenalat kuten sotilasoperaatiot, terveydenhuolto, autonomiset ajoneuvot ja paljon muuta.
Lähde:
– Advanced Computing Systems Association (ACM): www.acm.org
The source of the article is from the blog enp.gr