La puce NeuRRAM est la première puce informatique en mémoire qui démontre une large gamme d'applications d'IA en utilisant seulement un petit pourcentage de la puissance consommée par d'autres plates-formes tout en conservant une précision équivalente.
NeuRRAM, une nouvelle puce qui effectue des calculs directement en mémoire et peut exécuter une large gamme d'applications d'IA, a été conçue et construite par une équipe internationale de chercheurs. Ce qui le distingue, c'est qu'il fait tout cela pour une fraction de la puissance consommée par les plates-formes informatiques d'IA à usage général.
La puce neuromorphique NeuRRAM rapproche l'IA de son exécution sur une large gamme de périphériques déconnectés du cloud. Cela signifie qu'ils peuvent effectuer des tâches cognitives complexes n'importe où et n'importe quand sans dépendre d'une connexion réseau à un serveur centralisé. Les applications pour cet appareil abondent aux quatre coins du globe et dans tous les aspects de notre vie. Ils vont des montres intelligentes aux casques de réalité virtuelle, en passant par les écouteurs intelligents, les capteurs intelligents dans les usines et les rovers pour l'exploration planétaire.
Non seulement la puce NeuRRAM est plus de deux fois plus efficace en termes de consommation d'énergie que les puces de calcul en mémoire d'aujourd'hui, une classe innovante de puces hybrides qui effectuent le calcul en mémoire, mais elle fournit également des résultats aussi précis que les puces numériques conventionnelles. Les plates-formes d'IA conventionnelles sont beaucoup plus grandes et se limitent généralement à l'utilisation de grands serveurs de données fonctionnant dans le cloud.
De plus, la puce NeuRRAM est très polyvalente et prend en charge de nombreux modèles et architectures de réseaux neuronaux différents. En conséquence, la puce peut être utilisée pour de nombreuses applications différentes, y compris la reconnaissance et la reconstruction d'images et la reconnaissance vocale.
Il est courant de penser qu'une plus grande efficacité de calcul de la mémoire se fait au détriment de la polyvalence, mais notre puce NeuRRAM offre une efficacité sans sacrifier la polyvalence », a déclaré Weyer Wang, premier auteur de l'article.
Actuellement, l'IA informatique est énergivore et coûteuse en calculs. La plupart des applications d'IA sur les appareils périphériques impliquent le déplacement des données des appareils vers le cloud, où l'IA les traite et les analyse. Les résultats sont ensuite transférés vers l'appareil. Cela est nécessaire car la plupart des périphériques sont alimentés par batterie et, par conséquent, ne disposent que d'une quantité limitée d'énergie disponible pour le calcul.
En réduisant la consommation d'énergie requise pour l'inférence IA à la périphérie, la puce NeuRRAM peut conduire à des dispositifs de périphérie plus fiables, plus intelligents et plus abordables et à une fabrication plus intelligente.
Cela peut également conduire à une confidentialité accrue des données, car le transfert de données d'appareils vers le cloud s'accompagne de risques de sécurité accrus.
Dans les puces IA, le déplacement des données de la mémoire vers les appareils informatiques est l'un des principaux goulots d'étranglement. C'est l'équivalent d'un trajet de huit heures pour une journée de travail de deux heures », a déclaré Weier Wang.
Pour résoudre ce problème de transfert de données, les chercheurs ont utilisé ce qu'on appelle la mémoire vive résistive. Ce type de mémoire non volatile permet d'effectuer des calculs directement dans la mémoire plutôt que dans des unités de calcul séparées.
Performances de la puce :
Les chercheurs ont mesuré l'efficacité énergétique de la puce dans une métrique connue sous le nom d'EDP (produit à retard énergétique).
L'EDP combine à la fois la quantité d'énergie consommée pour chaque opération et le temps nécessaire pour terminer l'opération. Selon cet indicateur, la puce NeuRRAM offre une réduction de 1,6 à 2,3 fois de l'EDP (moins il y en a, mieux c'est) et une densité de calcul 7 à 13 fois supérieure à celle des puces modernes.
Les ingénieurs ont effectué diverses tâches d'IA sur une puce. Il a atteint une précision de 99 % sur la tâche de reconnaissance des chiffres manuscrits ; 85,7 % sur la tâche de classification d'images ; et 84,7 % dans la tâche de reconnaissance des commandes vocales de Google.
En outre, la puce a également permis de réduire de 70 % les erreurs de reconstruction d'image dans la tâche de restauration d'image. Ces résultats sont comparables aux puces numériques existantes, qui effectuent des calculs avec la même précision, mais avec une consommation d'énergie nettement plus élevée.
Les chercheurs notent que l'un des principaux résultats des travaux est que tous les résultats présentés ont été obtenus directement sur l'équipement. Dans la plupart des travaux antérieurs sur les puces informatiques à mémoire, les résultats des tests d'IA étaient souvent dérivés en partie de simulations logicielles.
Les prochaines étapes comprennent l'amélioration de l'architecture et des circuits, et la mise à l'échelle du projet vers des nœuds dotés de technologies plus avancées. Les ingénieurs prévoient également de se pencher sur d'autres applications telles que les réseaux de neurones impulsionnels.
Publié en libre accès dans la revue Nature.
2022-08-22 16:40:46
Auteur: Vitalii Babkin