同じタスクの場合、オンチップ学習におけるこのチップのエネルギー消費量は、高度なプロセス固有集積回路 (ASIC) システムのエネルギー消費量のわずか 3% です。

現在、生成人工知能は AI 業界に新たな発展の波を引き起こしています。大きなコンピューティング能力に支えられた AI テクノロジーは、人間の生活や働き方を大きく変えています。しかし、AI モデルに必要なパラメータが膨大であるため、コンピューティング能力への需要が増大しており、コンピューティングの巨大なギャップを埋め、エネルギー効率の大幅な向上を達成するソリューションを見つけることが不可欠となっています。高性能でエネルギー効率の高いチップは、コンピューティング能力の特定のキャリアとなり、このインテリジェント革命の波の発展を推進する中核基盤となり、また人類社会の継続的な発展の原動力となっています。

コンピューティング能力を制限する従来のストレージとコンピューティングの分離アーキテクチャが直面する大きな課題に対処するために、清華大学集積回路学部の Wu Huaqiang 教授と Gao Bin 准教授は、メモリ抵抗ストレージとコンピューティングの統合技術の研究に焦点を当て、コンピュータシステムの新しいパラダイム。

メモリ抵抗ストレージとコンピューティングの統合テクノロジーは、デバイス、回路、理論コンピューティングの側面から従来のノイマン型コンピューティング アーキテクチャに革命をもたらし、コンピューティング能力とエネルギー効率の飛躍的な向上を実現しました。このテクノロジーは、基盤となるデバイスの学習特性を利用してリアルタイムのオンチップ学習をサポートし、ローカル学習ベースのエッジ トレーニングの新しいシナリオを可能にすることもできます。現在、国際レベルでの関連研究は主にメモリ抵抗アレイレベルでの学習機能の実証に焦点を当てています。しかし、効率的なオンチップ学習をサポートするグローバルに統合されたメモリ抵抗チップの実現は、依然として大きな課題に直面しています。これは主に、従来のバックプロパゲーショントレーニングアルゴリズムで必要とされる高精度の重み更新方法とメモリ抵抗の実際の特性との間の互換性が低いことが原因です。

上記の問題を解決するために、Wu Huaqiang教授とGao Bin准教授は、ストレージコンピューティング統合コンピューティングパラダイムに基づいて、効率的なオンチップ学習をサポートする世界初のグローバルに統合されたメモリレジスタストレージコンピューティング統合チップを開発しました（機械学習は直接学習できます）。ハードウェア側で完了します）。彼らは、オンチップ学習をサポートするメモリ抵抗ストレージコンピューティング統合チップの分野で大きな進歩を遂げ、人工知能、自動運転、ウェアラブルデバイスの開発を促進すると期待されています。関連する成果は、Science 誌の最新号にオンラインで掲載されています。

このチップは、オンチップ学習のエネルギー消費量が高度プロセス固有集積回路 (ASIC) システムのわずか 1/35 であると同時に、エネルギー効率では 75 倍の向上が期待できると報告されています。

効率的なオンチップ学習のためのメモリ、抵抗、ストレージ、コンピューティングの統合に基づくユニバーサルなアルゴリズムとアーキテクチャ。

ニューロモーフィックメモリ抵抗チップを使用したエッジ学習

小型自動車の自動追従制御のための増分学習の実証

同じタスクにおいて、このチップによって実現されるオンチップ学習のエネルギー消費量は、高度な技術に基づいた専用の ASIC システムのエネルギー消費量のわずか 3% であり、優れたエネルギー効率の利点と、AI の高い計算能力需要を満たす大きな可能性を示しています。時代。これにより、従来のノイマン コンピューティング アーキテクチャにおけるエネルギー効率のボトルネックを突破するための革新的な開発パスが提供されます。

「ストレージと計算統合のオンチップ学習により、待ち時間の短縮とエネルギー消費の削減を実現しながら、ユーザーのプライバシーとデータを効果的に保護できます」とポスドク研究員のヤオ・ペン博士は説明した。生体模倣脳処理手法を参照するこのチップは、さまざまなタスクに対して高速な「オンチップ トレーニング」と「オンチップ認識」を実現し、エッジ コンピューティング シナリオで増分学習タスクを低消費電力で効果的に実行して、新しい状況に適応し、新しいことを学習できます。知識を提供し、ユーザーの個別のニーズに対応します。

たとえば、数字の「7」の真ん中に短いダッシュを追加することに慣れている人もいます。最初は、インテリジェント チップはこの記号を認識しませんが、7 つまたは 7 つの「XNUMX」の文字を学習すると、それを数字の「XNUMX」として正確に認識できるようになります。

複雑で常に変化する国際情勢において、「ボトルネック」テクノロジーを突破することが現在の焦点となっています。

先進的な研究開発機器の不足などの現実的な問題に直面して、チームメンバーは、自分たちが行っている各ステップが正しいかどうか、結果が期待に応えられるかどうか、テクノロジーをさらに最適化できるかどうかについて、多少の迷いを抱えています。これらはすべて誰にとっても大きな負担です。

まず、技術的な課題があります。メモリスタ チップの開発には、材料科学、物理学、電子工学などの複数の分野からの最先端の知識が必要です。多くの技術的課題の中で、最初に取り組むべき課題は、メモリスティブ デバイスの大規模集積をどのように達成するかということです。多数の実験と理論的研究を通じて、チームはアーキテクチャ、回路、プロセスの協調最適化手法を提案し、ストレージと計算統合システムの設計に指針を提供しました。

第二に、エンジニアリング上の課題があります。大規模集積プロセスと重要な回路設計が整っている場合、ボトムアップのマルチスケールの非理想的な影響によって引き起こされるエラーをどのように克服し、効率的なシステム チップに組み込むことができるでしょうか?チームの教師と学生の共同の努力により、STELLAR アーキテクチャが提案され、アルゴリズムの最適化とシミュレーション実験が完了し、高効率のストレージと計算を統合した学習チップが製造され、速度とエネルギー効率の大幅な向上が達成されました。

「道は険しいが、並外れた重要性を持っている。現在の世界的なハイテク分野における重要な戦場だ」とガオ・ビン氏は信じている。チップの研究は長く困難なプロセスであり、明らかな進歩は見当たりません。しかし、継続的な研究と学習を通じて、貴重な成果が得られます。

学術論文の最初の著者である Zhang Wenbin と Yao Peng は、博士課程の在学中に、半導体、マイクロエレクトロニクス、ソフトウェア アルゴリズム、ニューロモーフィック コンピューティングなどのさまざまな研究分野で幅広い知識を獲得しました。彼らは豊富な研究開発成果と貴重なエンジニアリング経験を蓄積してきました。

無から有へ、弱さから強さへ。近道のない科学研究の道で、彼ら「チップの若者」たちは、準備と観察の後に何度も諦める瞬間を経験し、何度も挫折を繰り返しながら新たにスタートし、次々と課題を乗り越えていきました。

Wu Huaqiang 氏は将来に目を向け、チームのソリューションとテクノロジーが研究室の枠を超えて、科学研究成果の変革を効果的に促進できることを期待しています。彼らは国と社会のニーズに応えることに専念しています。