IBM Research ha svelato un rivoluzionario chip AI analogico che dimostra notevole efficienza e precisione nell’esecuzione di calcoli complessi per reti neurali profonde (DNN).
Questa svolta, pubblicata in un recente articolo su Nature Electronics, rappresenta un passo significativo verso il raggiungimento di un’intelligenza artificiale ad alte prestazioni risparmiando sostanzialmente energia.
L’approccio tradizionale di esecuzione di reti neurali profonde su architetture di calcolo digitale convenzionali pone limitazioni in termini di prestazioni ed efficienza energetica. Questi sistemi digitali comportano un trasferimento costante di dati tra memoria e unità di elaborazione, rallentando i calcoli e riducendo l’ottimizzazione energetica.
Per affrontare queste sfide, IBM Research ha sfruttato i principi dell’intelligenza artificiale analogica, che emula il modo in cui funzionano le reti neurali nei cervelli biologici. Questo approccio prevede la memorizzazione dei pesi sinaptici utilizzando dispositivi di memoria resistiva su scala nanometrica, in particolare la memoria a cambiamento di fase (PCM).
I dispositivi PCM alterano la loro conduttanza attraverso impulsi elettrici, consentendo un continuum di valori per i pesi sinaptici. Questo metodo analogico riduce la necessità di un eccessivo trasferimento di dati, poiché i calcoli vengono eseguiti direttamente nella memoria, con conseguente maggiore efficienza.
Il chip appena introdotto è una soluzione AI analogica all’avanguardia composta da 64 core di calcolo analogici in memoria.
Ciascun core integra una serie trasversale di celle unitarie sinaptiche insieme a convertitori analogici-digitali compatti, passando senza soluzione di continuità tra i domini analogici e digitali. Inoltre, le unità di elaborazione digitale all’interno di ciascun nucleo gestiscono le funzioni di attivazione neuronale non lineare e le operazioni di ridimensionamento. Il chip vanta anche un’unità di elaborazione digitale globale e percorsi di comunicazione digitale per l’interconnettività.
Il gruppo di ricerca ha dimostrato l’efficacia del chip raggiungendo una precisione del 92,81% sul display CIFAR-10 set di dati di immagini: un livello di precisione senza precedenti per i chip AI analogici.
Il throughput per area, misurato in Giga-operazioni al secondo (GOPS) per area, ha sottolineato la sua efficienza di elaborazione superiore rispetto ai precedenti chip di elaborazione in-memory. Il design ad alta efficienza energetica di questo chip innovativo, abbinato alle sue prestazioni migliorate, lo rendono un risultato fondamentale nel campo dell’hardware AI.
L’architettura unica e le straordinarie capacità del chip AI analogico gettano le basi per un futuro in cui il calcolo AI ad alta efficienza energetica sarà accessibile in una vasta gamma di applicazioni.
La svolta di IBM Research segna un momento cruciale che contribuirà a catalizzare i progressi nelle tecnologie basate sull’intelligenza artificiale negli anni a venire.
(Credito immagine: Ricerca IBM)
Guarda anche: Azure e NVIDIA offrono l’accelerazione GPU di nuova generazione per l’intelligenza artificiale
Vuoi saperne di più sull’intelligenza artificiale e sui big data dai leader del settore? Guardare Fiera dell’intelligenza artificiale e dei big data che si svolge ad Amsterdam, in California, e a Londra. L’evento è co-localizzato con Settimana della trasformazione digitale.
Esplora altri prossimi eventi e webinar sulla tecnologia aziendale forniti da TechForge Qui.
