동일한 작업에 대해 온칩 학습을 위한 이 칩의 에너지 소비는 ASIC(Advanced Process-Specific Integrated Circuit) 시스템의 에너지 소비량의 3%에 불과합니다.

현재 생성 인공지능(Generative Artificial Intelligence)은 AI 산업에 새로운 발전의 물결을 일으키고 있습니다. 대규모 컴퓨팅 파워가 뒷받침하는 AI 기술은 인간이 살고 일하는 방식을 크게 변화시키고 있다. 그러나 AI 모델에 필요한 수많은 매개변수로 인해 컴퓨팅 성능에 대한 수요가 증가함에 따라 엄청난 컴퓨팅 격차를 해소하고 에너지 효율성을 크게 향상시킬 수 있는 솔루션을 찾는 것이 필수적입니다. 고성능, 에너지 효율적인 칩은 컴퓨팅 파워의 구체적인 운반체이자 지능 혁명의 물결 발전을 이끄는 핵심 기반이자 인류 사회의 지속적인 발전을 뒷받침하는 원동력이 되었습니다.

컴퓨팅 성능을 제한하는 전통적인 스토리지-컴퓨팅 분리 아키텍처가 직면한 주요 과제를 해결하기 위해 칭화대학교 집적회로대학의 Wu Huaqiang 교수와 Gao Bin 부교수는 메모리 저항기 스토리지-컴퓨팅 통합 기술 연구에 집중하고 컴퓨터 시스템의 새로운 패러다임.

메모리 저항기 스토리지-컴퓨팅 통합 기술은 장치, 회로 및 이론 컴퓨팅 측면에서 전통적인 폰 노이만 컴퓨팅 아키텍처에 혁명을 일으켜 컴퓨팅 성능과 에너지 효율성을 비약적으로 향상시켰습니다. 또한 이 기술은 기본 장치의 학습 특성을 활용하여 실시간 온칩 학습을 지원하고 로컬 학습 기반 엣지 트레이닝의 새로운 시나리오를 지원합니다. 현재 국제 수준의 관련 연구는 주로 메모리 저항 어레이 수준의 학습 기능 시연에 중점을 두고 있습니다. 그러나 효율적인 온칩 학습을 지원하는 전역적으로 통합된 메모리 저항기 칩의 실현은 여전히 ​​중요한 과제에 직면해 있습니다. 주로 기존 역전파 훈련 알고리즘에 필요한 고정밀 가중치 업데이트 방법과 메모리 저항기의 실제 특성 간의 호환성이 좋지 않기 때문입니다.

위의 문제를 해결하기 위해 Wu Huaqiang 교수와 Gao Bin 부교수는 스토리지 컴퓨팅 통합 컴퓨팅 패러다임을 기반으로 효율적인 온칩 학습을 지원하는 세계 최초의 글로벌 통합 메모리 저항 스토리지 컴퓨팅 통합 칩을 개발했습니다. 하드웨어 끝에서 완료됨). 그들은 온칩 학습을 지원하는 메모리 저항기 저장 컴퓨팅 통합 칩 분야에서 획기적인 발전을 이루었으며, 이는 인공 지능, 자율 주행 및 웨어러블 장치의 개발을 촉진할 것으로 예상됩니다. 관련 성과는 사이언스 최신호 온라인판에 게재됐다.

이 칩은 온칩 학습을 위한 에너지 소비가 ASIC(Advanced Process-Specific Integrated Circuit) 시스템 대비 1/35에 불과한 것으로 알려졌으며, 에너지 효율성도 75배 향상될 것으로 기대된다.

효율적인 온칩 학습을 위한 메모리-저항기 스토리지-컴퓨팅 통합을 기반으로 하는 범용 알고리즘 및 아키텍처입니다.

뉴로모픽 메모리 저항 칩을 이용한 에지 학습

소형 자동차의 자동 추적 제어를 위한 증분 학습 시연

동일한 작업에 대해 이 칩을 통해 달성된 온칩 학습의 에너지 소비는 첨단 기술을 적용한 특수 ASIC 시스템의 에너지 소비량의 3%에 불과하며, 이는 뛰어난 에너지 효율성 이점과 AI의 높은 컴퓨팅 성능 요구 사항을 충족할 수 있는 큰 잠재력을 보여줍니다. 연대. 이는 전통적인 폰 노이만 컴퓨팅 아키텍처에서 에너지 효율성 병목 현상을 극복하기 위한 혁신적인 개발 경로를 제공합니다.

박사후 연구원인 Yao Peng 박사는 "저장 및 계산 통합에 대한 온칩 학습을 통해 사용자 개인 정보와 데이터를 효과적으로 보호하는 동시에 대기 시간을 줄이고 에너지 소비를 줄일 수 있습니다."라고 설명했습니다. 생체모방 뇌 처리 방법을 참조하면, 이 칩은 다양한 작업에 대한 빠른 "온칩 훈련"과 "온칩 인식"을 달성할 수 있으며, 새로운 상황에 적응하고 새로운 것을 학습하기 위해 저전력 소비로 엣지 컴퓨팅 시나리오에서 점진적인 학습 작업을 효과적으로 수행할 수 있습니다. 지식을 바탕으로 사용자의 개인화된 요구 사항을 충족합니다.

예를 들어, 일부 사람들은 숫자 "7" 중간에 짧은 대시를 추가하는 데 익숙합니다. 처음에는 지능형 칩이 이 기호를 인식하지 못하지만, 이렇게 쓰여진 "7"을 7~XNUMX개 학습한 후에는 이를 숫자 "XNUMX"로 정확하게 인식할 수 있습니다.

복잡하고 끊임없이 변화하는 국제 정세 속에서 "병목 현상" 기술을 돌파하는 것이 현재의 초점으로 남아 있습니다.

첨단 연구개발 장비 부족 ​​등 현실적 문제에 직면한 팀원들은 자신이 취하는 각 단계가 올바른지, 결과가 기대에 부응할 수 있는지, 기술을 더욱 최적화할 수 있는지에 대해 다소 당황하고 있습니다. 이 모든 것이 모두에게 큰 부담이 됩니다.

첫째, 기술적인 어려움이 있습니다. 멤리스터 칩의 개발에는 재료과학, 물리학, 전자공학 등 다양한 분야의 최첨단 지식이 필요합니다. 많은 기술적 과제 중에서 가장 먼저 해결해야 할 과제는 멤리스티브 장치의 대규모 통합을 달성하는 방법입니다. 연구팀은 수많은 실험과 이론적 연구를 통해 저장 및 연산 통합 시스템 설계에 지침을 제공하는 아키텍처-회로-프로세스 공동 최적화 방법을 제안했습니다.

둘째, 엔지니어링 문제가 있습니다. 대규모 통합 프로세스와 중요한 회로 설계를 갖춘 상태에서 상향식 다중 규모 비이상적 효과로 인한 오류를 어떻게 극복하고 효율적인 시스템 칩에 조립할 수 있습니까? 팀의 교사와 학생의 공동 노력으로 STELLAR 아키텍처가 제안되고 알고리즘 최적화 및 시뮬레이션 실험이 완료되었으며 고효율 저장 및 계산 통합 학습 칩이 제작되어 속도와 에너지 효율성이 크게 향상되었습니다.

Gao Bin은 "이 길은 어렵지만 특별한 의미를 지닌다. 현재 글로벌 하이테크 분야의 중요한 전쟁터"라고 믿습니다. 칩 연구는 길고 힘든 과정으로 뚜렷한 돌파구가 보이지 않습니다. 그러나 지속적인 연구와 학습을 통해 값진 성과를 거두고 있습니다.

학술 논문의 첫 번째 저자인 Zhang Wenbin과 Yao Peng은 박사 과정 동안 반도체, 마이크로 전자 공학, 소프트웨어 알고리즘, 뉴로모픽 컴퓨팅 등 다양한 연구 분야에서 광범위한 지식을 얻었습니다. 그들은 풍부한 연구 개발 결과와 귀중한 엔지니어링 경험을 축적해 왔습니다.

무에서 유로, 약함에서 강함으로. 지름길이 없는 과학 연구의 길에서, 이 '칩 청년'들은 준비와 관찰 끝에 수많은 포기의 순간을 경험했고, 수많은 좌절 끝에 다시 시작하며, 또 하나의 난관을 극복해 왔습니다.

Wu Huaqiang은 미래를 내다보며 팀의 솔루션과 기술이 실험실을 넘어 과학 연구 성과의 변화를 효과적으로 촉진할 수 있기를 희망합니다. 그들은 국가와 사회의 요구에 봉사하기 위해 최선을 다하고 있습니다.