Engineers create hybrid chips with processors & memory

 

பேட்டரியால் இயங்கும் சாதனங்களில் AI ஐ இயக்க பொறியாளர்கள் செயலிகள் மற்றும் நினைவகத்துடன் கலப்பின சில்லுகளை உருவாக்குகிறார்கள்

தேதி:
ஜனவரி 11, 2021
ஆதாரம்:

ஸ்டான்போர்ட் ஸ்கூல் ஆஃப் இன்ஜினியரிங்
(Stanford School of Engineering)

சுருக்கம்:

செயலிகளுக்கும் நினைவகத்திற்கும்(memories)  இடையிலான பரிவர்த்தனைகள் இயந்திர கற்றல்(processors) மற்றும் AI செய்ய தேவையான ஆற்றலில் 95 சதவீதத்தை நுகரும், இது பேட்டரி ஆயுளைக் கடுமையாக கட்டுப்படுத்துகிறது. எட்டு கலப்பின சில்லுகளைப்(hybrid chips) பயன்படுத்துவதன் மூலம், AI பணிகளை விரைவாகவும், குறைந்த ஆற்றலுடனும் இயக்கக்கூடிய ஒரு அமைப்பை பொறியாளர்கள் குழு வடிவமைத்துள்ளது, ஒவ்வொன்றும் அதன் சொந்த தரவு செயலி அதன் சொந்த நினைவக சேமிப்பகத்திற்கு அடுத்ததாக கட்டப்பட்டுள்ளது.

பகிர்:

    

முழு கதை

ஸ்மார்ட்வாட்ச்கள்(smartwatches) மற்றும் பிற பேட்டரி மூலம் இயங்கும் எலக்ட்ரானிக்ஸ்(algorithms) AI வழிமுறைகளை இயக்க முடிந்தால் இன்னும் புத்திசாலித்தனமாக இருக்கும். ஆனால் மொபைல் சாதனங்களுக்கான AI- திறன் கொண்ட சில்லுகளை உருவாக்குவதற்கான முயற்சிகள் இதுவரை ஒரு சுவரைத் தாக்கியுள்ளன - தரவு செயலாக்கம் மற்றும் மெமரி சில்லுகளை (memorie chips)பிரிக்கும் "மெமரி சுவர்(memorie wall)" என்று அழைக்கப்படுபவை AI ஆல் விதிக்கப்பட்டுள்ள பாரிய மற்றும் தொடர்ந்து வளர்ந்து வரும் கணக்கீட்டு கோரிக்கைகளை பூர்த்தி செய்ய ஒன்றிணைந்து செயல்பட வேண்டும். .

"செயலிகளுக்கும் நினைவகத்திற்கும் இடையிலான பரிவர்த்தனைகள் இயந்திர கற்றல் மற்றும் AI செய்ய தேவையான ஆற்றலில் 95 சதவிகிதத்தை நுகரக்கூடும், மேலும் இது பேட்டரி ஆயுளைக் கடுமையாக கட்டுப்படுத்துகிறது" என்று நேச்சர் எலெக்ட்ரானிக்ஸ் வெளியிடப்பட்ட புதிய ஆய்வின் மூத்த எழுத்தாளர் கணினி விஞ்ஞானி சுபாஷிஷ் மித்ரா கூறினார்.

இப்போது, ​​ஸ்டான்போர்ட்(Stanford) கணினி விஞ்ஞானி மேரி வூட்டர்ஸ் மற்றும் மின் பொறியாளர் எச்.-எஸ். பிலிப் வோங் AI பணிகளை விரைவாகவும், குறைந்த ஆற்றலுடனும், எட்டு கலப்பின சில்லுகளைப் பயன்படுத்துவதன் மூலம் வடிவமைத்துள்ளார், ஒவ்வொன்றும் அதன் சொந்த தரவுச் செயலி அதன் சொந்த நினைவக சேமிப்பகத்திற்கு அடுத்ததாக கட்டப்பட்டுள்ளது.

RRAM எனப்படும் புதிய மெமரி தொழில்நுட்பத்தின் குழுவின் முன் வளர்ச்சியை இந்த காகிதம் உருவாக்குகிறது, இது சக்தி அணைக்கப்படும் போது கூட - ஃபிளாஷ் மெமரி போன்றது - வேகமாகவும் அதிக ஆற்றலுடனும் மட்டுமே தரவை சேமிக்கிறது. அவர்களின் RRAM முன்கூட்டியே ஸ்டான்போர்டு ஆராய்ச்சியாளர்களுக்கு முந்தைய தலைமுறை கலப்பின சில்லுகளை தனியாக வேலை செய்ய உதவியது. அவற்றின் சமீபத்திய வடிவமைப்பு ஒரு முக்கியமான புதிய உறுப்பை உள்ளடக்கியது: எட்டு, தனி கலப்பின சில்லுகளை ஒரு ஆற்றல்-திறனுள்ள AI- செயலாக்க இயந்திரத்தில் ஒன்றிணைக்கும் வழிமுறைகள்.

"தேவையான அனைத்து செயலாக்கமும் நினைவகமும் கொண்ட ஒரு பிரமாண்டமான, வழக்கமான சிப்பை நாங்கள் உருவாக்கியிருந்தால், நாங்கள் அவ்வாறு செய்திருப்போம், ஆனால் AI சிக்கல்களைத் தீர்க்க எடுக்கும் தரவுகளின் அளவு ஒரு கனவாகிறது" என்று மித்ரா கூறினார். "அதற்கு பதிலாக, கலப்பினங்கள் ஒரு சிப் என்று நினைத்து நாங்கள் ஏமாற்றுகிறோம், அதனால்தான் இதை மாயை அமைப்பு என்று அழைக்கிறோம்."

பாதுகாப்பு மேம்பட்ட ஆராய்ச்சி திட்டங்கள் ஏஜென்சியால் நிதியளிக்கப்பட்ட 1.5 பில்லியன் டாலர் திட்டமான எலெக்ட்ரானிக்ஸ் ரிஸர்ஜென்ஸ் முன்முயற்சியின் (ஈஆர்ஐ) ஒரு பகுதியாக ஆராய்ச்சியாளர்கள் மாயையை உருவாக்கினர். 50 ஆண்டுகளுக்கு முன்னர் இணையத்தை உருவாக்க உதவிய தர்பா, மூரின் சட்டத்திற்கான பணிகள் குறித்து ஆராயும் ஆராய்ச்சியை ஆதரிக்கிறது, இது டிரான்சிஸ்டர்களைக் குறைப்பதன் மூலம் மின்னணு முன்னேற்றங்களை உந்துகிறது. ஆனால் டிரான்சிஸ்டர்கள் எப்போதும் சுருங்கிக்கொண்டே இருக்க முடியாது.

"வழக்கமான மின்னணுவியல் வரம்புகளை மீற, எங்களுக்கு புதிய வன்பொருள் தொழில்நுட்பங்கள் மற்றும் அவற்றை எவ்வாறு பயன்படுத்துவது என்பது பற்றிய புதிய யோசனைகள் தேவைப்படும்" என்று வூட்டர்ஸ் கூறினார்.

ஸ்டான்போர்ட் தலைமையிலான குழு பிரெஞ்சு ஆராய்ச்சி நிறுவனமான சி.இ.ஏ-லெட்டி மற்றும் சிங்கப்பூரில் உள்ள நன்யாங் தொழில்நுட்ப பல்கலைக்கழகத்தில் கூட்டுப்பணியாளர்களின் உதவியுடன் அதன் முன்மாதிரியை உருவாக்கி சோதனை செய்தது. அணியின் எட்டு சிப் அமைப்பு ஒரு ஆரம்பம் மட்டுமே. உருவகப்படுத்துதல்களில், 64 கலப்பின சில்லுகள் கொண்ட அமைப்புகள் தற்போதைய செயலிகளை விட ஏழு மடங்கு வேகமாக AI பயன்பாடுகளை எவ்வாறு இயக்க முடியும் என்பதை ஆராய்ச்சியாளர்கள் காண்பித்தனர், ஏழில் ஒரு பங்கைப் பயன்படுத்தி.

இத்தகைய திறன்கள் ஒரு நாள் இல்லுஷன் சிஸ்டம்ஸ் பெரிதாக்கப்பட்ட மற்றும் மெய்நிகர் ரியாலிட்டி கண்ணாடிகளின் மூளையாக மாறக்கூடும், அவை ஆழ்ந்த நரம்பியல் நெட்வொர்க்குகளைப் பயன்படுத்தி சுற்றுச்சூழலில் உள்ள பொருட்களையும் மக்களையும் கண்டுபிடிப்பதன் மூலம் கற்றுக் கொள்ளலாம், மேலும் அணிந்தவர்களுக்கு சூழ்நிலை தகவல்களை வழங்கலாம் - ஒரு AR / VR அமைப்பை கற்பனை செய்து பாருங்கள் பறவைக் கண்காணிப்பாளர்கள் அறியப்படாத மாதிரிகளை அடையாளம் காண உதவுங்கள்.

நேச்சர் எலெக்ட்ரானிக்ஸ் ஆய்வின் முதல் ஆசிரியரான ஸ்டான்போர்ட் பட்டதாரி மாணவர் ராபர்ட் ராட்வே, இன்றைய செயலிகளுக்காக எழுதப்பட்ட, தற்போதுள்ள AI திட்டங்களை மீண்டும் தொகுக்க புதிய வழிமுறைகளையும் இந்த குழு உருவாக்கியுள்ளது, புதிய மல்டி-சிப் அமைப்புகளில் இயங்குவதற்காக. பேஸ்புக்கின் ஒத்துழைப்பாளர்கள் குழு முயற்சிகள் AI முயற்சிகளை உறுதிப்படுத்த உதவியது. அடுத்த கட்டங்களில் தனிப்பட்ட கலப்பின சில்லுகளின் செயலாக்கம் மற்றும் நினைவக திறன்களை அதிகரித்தல் மற்றும் அவற்றை எவ்வாறு மலிவாக உற்பத்தி செய்வது என்பதை நிரூபித்தல் ஆகியவை அடங்கும்.

"நாங்கள் எதிர்பார்த்தபடி எங்கள் புனையப்பட்ட முன்மாதிரி செயல்படுகிறது என்பது நாங்கள் சரியான பாதையில் செல்வதைக் குறிக்கிறது" என்று வோங் கூறினார், மாயை அமைப்புகள் மூன்று முதல் ஐந்து ஆண்டுகளுக்குள் சந்தைப்படுத்தலுக்கு தயாராக இருக்கக்கூடும் என்று நம்புகிறார்.

இந்த ஆராய்ச்சியை பாதுகாப்பு மேம்பட்ட ஆராய்ச்சி திட்ட நிறுவனம் (தர்பா), தேசிய அறிவியல் அறக்கட்டளை, குறைக்கடத்தி ஆராய்ச்சி கழகம், ஸ்டான்போர்ட் சிஸ்டம்எக்ஸ் கூட்டணி மற்றும் இன்டெல் கார்ப்பரேஷன் ஆகியவை ஆதரித்தன.