IBM đã tiết lộ một chip AI tương tự mang tính đột phá, chứng tỏ hiệu quả và độ chính xác vượt trội trong việc thực hiện các phép tính phức tạp cho mạng lưới thần kinh sâu (DNNs).
Bước đột phá này, được công bố trong một bài báo gần đây trên tạp chí Nature Electronics, đánh dấu một bước tiến đáng kể hướng tới việc đạt được điện toán AI hiệu suất cao trong khi vẫn tiết kiệm năng lượng đáng kể.
Cách tiếp cận truyền thống để thực thi mạng lưới thần kinh sâu trên kiến trúc điện toán kỹ thuật số thông thường đặt ra những hạn chế về hiệu suất và hiệu quả sử dụng năng lượng. Các hệ thống kỹ thuật số này đòi hỏi phải truyền dữ liệu liên tục giữa bộ nhớ và các đơn vị xử lý, làm chậm quá trình tính toán và giảm tối ưu hóa năng lượng
Để giải quyết những thách thức này, IBM đã khai thác các nguyên tắc của AI tương tự, mô phỏng cách thức hoạt động của mạng lưới thần kinh trong bộ não sinh học. Cách tiếp cận này liên quan đến việc lưu trữ trọng lượng khớp thần kinh bằng cách sử dụng các thiết bị bộ nhớ điện trở có kích thước nano, cụ thể là bộ nhớ thay đổi pha (PCM).
Các thiết bị PCM thay đổi độ dẫn của chúng thông qua các xung điện, cho phép các giá trị liên tục đối với trọng số khớp thần kinh. Phương pháp tương tự này giảm thiểu nhu cầu truyền dữ liệu quá mức vì các phép tính được thực hiện trực tiếp trong bộ nhớ—dẫn đến hiệu quả được nâng cao.
Con chip mới được giới thiệu là một giải pháp AI tương tự tiên tiến bao gồm 64 lõi tính toán trong bộ nhớ tương tự.
Mỗi lõi tích hợp một dãy các ô đơn vị khớp thần kinh cùng với các bộ chuyển đổi tương tự sang kỹ thuật số nhỏ gọn, chuyển đổi liền mạch giữa các miền tương tự và kỹ thuật số. Hơn nữa, các đơn vị xử lý kỹ thuật số trong mỗi lõi quản lý các chức năng kích hoạt nơ-ron phi tuyến và các hoạt động mở rộng quy mô. Con chip này cũng tự hào có một bộ xử lý kỹ thuật số toàn cầu và các đường dẫn truyền thông kỹ thuật số để kết nối.
Nhóm nghiên cứu đã chứng minh sức mạnh của con chip bằng cách đạt được độ chính xác 92,81% trên bộ dữ liệu hình ảnh CIFAR-10—một mức độ chính xác chưa từng có đối với chip AI tương tự.
Thông lượng trên mỗi khu vực, được đo bằng Giga-hoạt động mỗi giây (GOPS) theo khu vực, đã nhấn mạnh hiệu quả tính toán vượt trội của nó so với các chip điện toán trong bộ nhớ trước đây. Thiết kế tiết kiệm năng lượng của con chip cải tiến này cùng với hiệu suất nâng cao khiến nó trở thành một thành tựu quan trọng trong lĩnh vực phần cứng AI.
Kiến trúc độc đáo và khả năng ấn tượng của chip AI tương tự đặt nền tảng cho một tương lai nơi tính toán AI tiết kiệm năng lượng có thể truy cập được trên nhiều ứng dụng đa dạng.
Bước đột phá của IBM đánh dấu một thời điểm then chốt giúp thúc đẩy những tiến bộ trong công nghệ hỗ trợ AI trong nhiều năm tới.
——
IBM Research unveils breakthrough analog AI chip for efficient deep learning
IBM Research has unveiled a groundbreaking analog AI chip that demonstrates remarkable efficiency and accuracy in performing complex computations for deep neural networks (DNNs).
This breakthrough, published in a recent paper in Nature Electronics, signifies a significant stride towards achieving high-performance AI computing while substantially conserving energy.
The traditional approach of executing deep neural networks on conventional digital computing architectures poses limitations in terms of performance and energy efficiency. These digital systems entail constant data transfer between memory and processing units, slowing down computations and reducing energy optimisation.
To tackle these challenges, IBM Research has harnessed the principles of analog AI, which emulates the way neural networks function in biological brains. This approach involves storing synaptic weights using nanoscale resistive memory devices, specifically Phase-change memory (PCM).
PCM devices alter their conductance through electrical pulses, enabling a continuum of values for synaptic weights. This analog method mitigates the need for excessive data transfer, as computations are executed directly in the memory—resulting in enhanced efficiency.
The newly introduced chip is a cutting-edge analog AI solution composed of 64 analog in-memory compute cores.
Each core integrates a crossbar array of synaptic unit cells alongside compact analog-to-digital converters, seamlessly transitioning between analog and digital domains. Furthermore, digital processing units within each core manage nonlinear neuronal activation functions and scaling operations. The chip also boasts a global digital processing unit and digital communication pathways for interconnectivity.
The research team demonstrated the chip’s prowess by achieving an accuracy of 92.81 percent on the CIFAR-10 image dataset—an unprecedented level of precision for analog AI chips.
The throughput per area, measured in Giga-operations per second (GOPS) by area, underscored its superior compute efficiency compared to previous in-memory computing chips. This innovative chip’s energy-efficient design coupled with its enhanced performance makes it a milestone achievement in the field of AI hardware.
The analog AI chip’s unique architecture and impressive capabilities lay the foundation for a future where energy-efficient AI computation is accessible across a diverse range of applications.
IBM Research’s breakthrough marks a pivotal moment that will help to catalyse advancements in AI-powered technologies for years to come.
(Image Credit: IBM Research)
By Ryan Daws