边缘AI芯片的低功耗突破
窗口。dataLayer =窗口。dataLayer | | [];
函数gtag () {dataLayer.push(论点);}
gtag (js,新的日期());gtag(“配置”、“ua - 160857065 - 1”);
比利时的Imec公司开发了一种测试芯片，使用了一种新技术，大大降低了机器学习边缘人工智能系统的能力。
模拟在内存计算(AiMC)体系结构使用改进的内存单元在训练神经网络中处理数据，在网络的边缘为AI提供2900TOPS/W的功率效率。
imec机器学习项目主管Diederik Verkest表示:“我们已经建立了一个特殊的计算单元，通过减少数字传输来节省能源。”他说:“根据(电池)激活线上的脉冲宽度，在继续进行数字计算之前，可以得到(模拟-数字转换器)ADC上的权重之和。”
“在这个芯片中，我们使用3级权重。权重可以是-1、0或1，我们使用两个SRAM单元来存储这个权重级别。计算单元是一个模拟电路，在这两个SRAM单元上有几个额外的晶体管，”他说。这产生一个与存储的3级权值和激活信号(DAC的输出)的乘法成正比的模拟信号。所以
严格地说，3级权重以数字方式存储，但所有的计算都在模拟域完成。”
他补充说:“AnIA的成功磁带标志着向内存计算(AiMC)模拟验证迈出了重要的一步。”“参考实现不仅表明模拟内存计算在实践中是可能的，而且它们实现的能源效率比数字加速器好10到100倍。从我们的角度来看，这是机器学习项目中的一个里程碑，表明模拟计算可以具有与数字计算相同的精度。”
模拟推理加速器(AnIA)测试芯片已经建立在22纳米FD-SOI低功率工艺上，由Global Foundries在其位于德国德累斯顿的工厂。芯片是4毫米21024个输入信号和512个输出，性能与今天的图形处理单元(gpu)相似。它显示出与数字实现相同的精度在1%以内，但功率效率为2900TOPS/W。低功耗和低成本的结合为嵌入式硬件中的边缘AI图像识别和传感提供了机会。
GF计算和有线基础设施产品管理副总裁Hiren Majmudar表示:“模拟计算是一个了不起的前沿领域，因为它可以减少数据移动，这将成为主流。”
下一步:Edge AI测试芯片
Majmudar表示:“这款测试芯片是向行业展示22FDX如何显著降低能源密集型AI和机器学习应用的功耗的关键一步。”
“我们的性能与gpu相同，但能源效率更高，分辨率为4毫米2芯片,”Verkest说。“如果你增加阵列的尺寸，你也将提高性能水平，一旦你开始接近gpu的面积，性能将更高，但功率将相当。”
“GlobalFoundries与imec密切合作，使用我们的低功耗、高性能22FDX平台实现新的AnIA芯片，”说。Majmudar
GF将把AiMC作为能够在22纳米FD-SOI技术上实现的功能。新的AiMC功能正在GF位于德国德累斯顿的最先进的300毫米生产线上开发。
他说:“我们看到GF的合作伙伴拥有经过验证的硅，我们预计模拟计算硅将在今年年底和明年年初投产，并在2022年或更早之前进入大众市场。”
在GF上的这个版本使用了改良的SRAM细胞，但同样的技术可以用于其他存储技术。“你可以使用SRAM、MRAM、闪存、DRAM，这是程序的一部分，以了解哪种选择是最好的，”Verkest在imec表示。
www.imec.be；www.globalfoundries.com
视频:https://vimeo.com/436410439/732aebec23
