還能再漲23%!AI寵兒NVIDIA成大摩明年首選AMD FSR 4.0將與RX 9070 XT顯卡同步登場(chǎng)羅永浩細(xì)紅線最新進(jìn)展,暫別AR,迎來(lái)AI Jarvis構(gòu)建堅(jiān)實(shí)數(shù)據(jù)地基,南京打造可信數(shù)據(jù)空間引領(lǐng)數(shù)字城市建設(shè)下單前先比價(jià)不花冤枉錢 同款圖書京東價(jià)低于抖音6折日媒感慨中國(guó)電動(dòng)汽車/智駕遙遙領(lǐng)先:本田、日產(chǎn)、三菱合并也沒(méi)戲消委會(huì)吹風(fēng)機(jī)品質(zhì)檢測(cè)結(jié)果揭曉 徠芬獨(dú)占鰲頭 共話新質(zhì)營(yíng)銷力,2024梅花數(shù)據(jù)峰會(huì)圓滿落幕索尼影像專業(yè)服務(wù) PRO Support 升級(jí),成為會(huì)員至少需注冊(cè) 2 臺(tái) α 全畫幅相機(jī)、3 支 G 大師鏡頭消息稱vivo加碼電池軍備競(jìng)賽:6500mAh 旗艦機(jī)+7500mAh中端機(jī)寶馬M8雙門轎跑車明年年初將停產(chǎn),后續(xù)無(wú)2026款車型比亞迪:2025 款漢家族車型城市領(lǐng)航智駕功能開(kāi)啟內(nèi)測(cè)雷神預(yù)告2025年首次出席CES 將發(fā)布三款不同技術(shù)原理智能眼鏡realme真我全球首發(fā)聯(lián)發(fā)科天璣 8400 耐玩戰(zhàn)神共創(chuàng)計(jì)劃iQOO Z9 Turbo長(zhǎng)續(xù)航版手機(jī)被曝電池加大到6400mAh,搭驍龍 8s Gen 3處理器普及放緩 銷量大跌:曝保時(shí)捷將重新評(píng)估電動(dòng)汽車計(jì)劃來(lái)京東參與榮耀Magic7 RSR 保時(shí)捷設(shè)計(jì)預(yù)售 享365天只換不修國(guó)補(bǔ)期間電視迎來(lái)?yè)Q機(jī)潮,最暢銷MiniLED品牌花落誰(shuí)家?美團(tuán)旗下微信社群團(tuán)購(gòu)業(yè)務(wù)“團(tuán)買買”宣布年底停運(yùn)消息稱微軟正與第三方廠商洽談,試圖合作推出Xbox游戲掌機(jī)設(shè)備
  • 首頁(yè) > 數(shù)據(jù)存儲(chǔ)頻道 > 數(shù)據(jù).存儲(chǔ)頻道 > 存儲(chǔ)資訊

    加州大學(xué)等高校合作,開(kāi)發(fā)基于電阻隨機(jī)存取存儲(chǔ)器的內(nèi)存計(jì)算芯片

    2022年08月22日 19:26:18   來(lái)源:機(jī)器之心

      直接在邊緣設(shè)備上實(shí)現(xiàn)日益復(fù)雜的人工智能(AI)功能需要邊緣硬件前所未有的能源效率;陔娮枋诫S機(jī)存取存儲(chǔ)器(RRAM)的內(nèi)存中計(jì)算(CIM)有望通過(guò)在密集、模擬和非易失性 RRAM 設(shè)備中存儲(chǔ)AI模型權(quán)重,并直接在 RRAM 中執(zhí)行 AI 計(jì)算,從而消除獨(dú)立計(jì)算和內(nèi)存之間耗電的數(shù)據(jù)移動(dòng),來(lái)滿足這種需求。

      盡管最近的研究已經(jīng)證明了完全集成的 RRAM-CIM 硬件上的內(nèi)存矩陣向量乘法,但 RRAM-CIM 芯片的目標(biāo)仍然是同時(shí)提供高能效、支持各種模型的多功能性和軟件可比的精度。盡管效率、多功能性和準(zhǔn)確性對(duì)于廣泛采用該技術(shù)都是必不可少的,但它們之間相互關(guān)聯(lián)的權(quán)衡不能通過(guò)對(duì)設(shè)計(jì)的任何單一抽象級(jí)別的孤立改進(jìn)來(lái)解決。

      在這里,通過(guò)對(duì)從算法和架構(gòu)到電路和設(shè)備的所有設(shè)計(jì)層次進(jìn)行共同優(yōu)化,來(lái)自斯坦福大學(xué)、加州大學(xué)、清華大學(xué)等高校的研究人員,介紹了 NeuRRAM——一種基于 RRAM 的 CIM 芯片,該芯片在為不同的模型架構(gòu)重新配置 CIM 核心方面同時(shí)提供了多功能性。

      能效方面,在各種計(jì)算位精度上比當(dāng)前最先進(jìn)的 RRAM-CIM 芯片好 1 倍;推理精度可與在各種 AI 任務(wù)中量化為四位權(quán)重的軟件模型相媲美,包括 MNIST 的 99.0% 和 85.7% 的準(zhǔn)確度;在 CIFAR-10 圖像分類方面,Google 語(yǔ)音命令識(shí)別的準(zhǔn)確率為 84.7%,在貝葉斯圖像恢復(fù)任務(wù)中圖像重建錯(cuò)誤減少了 70%。

      該研究以「A compute-in-memory chip based on resistive random-access memory」為題,于 2022 年 8 月 17 日發(fā)布在《Nature》。

      電阻式隨機(jī)存取存儲(chǔ)器(RRAM)內(nèi)存計(jì)算(CIM)領(lǐng)域的早期研究側(cè)重于在制造的 RRAM 設(shè)備上展示人工智能(AI)功能,同時(shí)使用片外軟件和硬件來(lái)實(shí)現(xiàn)基本功能,例如,一個(gè)完整系統(tǒng)的模數(shù)轉(zhuǎn)換和神經(jīng)元激活。盡管這些研究提出了各種技術(shù)來(lái)減輕與模擬相關(guān)的硬件非理想性對(duì)推理準(zhǔn)確性的影響,但報(bào)告的 AI 基準(zhǔn)測(cè)試結(jié)果通常是通過(guò)基于特征設(shè)備數(shù)據(jù)執(zhí)行軟件仿真獲得的。由于硬件非理想模型的不完整建模,與完全硬件測(cè)量的結(jié)果相比,這種方法通常會(huì)高估準(zhǔn)確度。

      最近的研究表明,完全集成的 RRAM 互補(bǔ)金屬氧化物半導(dǎo)體(CMOS)芯片能夠執(zhí)行內(nèi)存中矩陣向量乘法(MVM)。然而,要在實(shí)際 AI 應(yīng)用中廣泛采用 RRAM-CIM 芯片,它需要同時(shí)提供高能效、支持各種 AI 模型架構(gòu)的靈活性和軟件可比的推理精度。

      到目前為止,還沒(méi)有一項(xiàng)旨在同時(shí)改進(jìn)設(shè)計(jì)的所有這三個(gè)方面的研究。此外,先前研究中的人工智能應(yīng)用級(jí)基準(zhǔn)測(cè)試的多樣性和復(fù)雜性有限。這些研究都沒(méi)有通過(guò)實(shí)驗(yàn)測(cè)量多個(gè)邊緣 AI 應(yīng)用程序,其復(fù)雜性與 MLPerf Tiny 中的應(yīng)用程序相匹配,MLPerf Tiny 是邊緣 AI 硬件的常用基準(zhǔn)套件。

      挑戰(zhàn)來(lái)自效率、靈活性和準(zhǔn)確性之間相互關(guān)聯(lián)的權(quán)衡。RRAM-CIM 架構(gòu)中的高度并行模擬計(jì)算帶來(lái)了卓越的效率,但難以實(shí)現(xiàn)與數(shù)字電路相同水平的功能靈活性和計(jì)算精度。同時(shí),由于在邊緣使用較少的過(guò)度參數(shù)化模型,對(duì)于更復(fù)雜的 AI 任務(wù),實(shí)現(xiàn)對(duì)硬件非理想的算法彈性變得更加困難。

      為了應(yīng)對(duì)這些挑戰(zhàn),來(lái)自斯坦福大學(xué)、加州大學(xué)、清華大學(xué)、圣母大學(xué)等高校的國(guó)際團(tuán)隊(duì)開(kāi)發(fā)了 NeuRRAM,這是一種 48 核 RRAM-CIM 硬件,涵蓋了整個(gè)設(shè)計(jì)堆棧的創(chuàng)新。

      圖示:NeuRRAM 芯片的設(shè)計(jì)方法和主要意義。(來(lái)源:論文)

      (1)在器件層面,3 百萬(wàn)個(gè)具有高模擬可編程性的 RRAM 器件與 CMOS 電路單片集成。

      (2)在電路層面,電壓模式神經(jīng)元電路支持可變計(jì)算位精度和激活函數(shù),同時(shí)以低功耗和緊湊的面積進(jìn)行模數(shù)轉(zhuǎn)換。

      (3)在架構(gòu)層面,雙向轉(zhuǎn)座神經(jīng)突觸陣列(TNSA)架構(gòu)能夠以最小的面積和能量開(kāi)銷實(shí)現(xiàn)數(shù)據(jù)流方向的可重構(gòu)性。

      (4)在系統(tǒng)層面,48 個(gè) CIM 核心可以并行進(jìn)行推理,支持多種權(quán)重映射策略。

      (5)在算法層面,各種硬件算法協(xié)同優(yōu)化技術(shù)減輕了硬件非理想對(duì)推理精度的影響。

      該團(tuán)隊(duì)報(bào)告了一系列 AI 任務(wù)的完全硬件測(cè)量推理結(jié)果,包括使用 CIFAR-10 和 MNIST 數(shù)據(jù)集的圖像分類、Google 語(yǔ)音命令識(shí)別和 MNIST 圖像恢復(fù),使用包括卷積神經(jīng)網(wǎng)絡(luò)(CNN)在內(nèi)的各種 AI 模型實(shí)現(xiàn),長(zhǎng)短期記憶(LSTM)和概率圖形模型。該芯片經(jīng)過(guò)測(cè)量可實(shí)現(xiàn)比以前最先進(jìn)的 RRAM-CIM 芯片更低的能量延遲積(EDP),同時(shí)它在一系列配置上運(yùn)行以適應(yīng)各種 AI 基準(zhǔn)應(yīng)用程序。

      圖示:NeuRRAM 芯片的可重構(gòu)架構(gòu)。(來(lái)源:論文)

      通過(guò)降低邊緣 AI 推理所需的功耗,這款 NeuRRAM 芯片可以帶來(lái)更強(qiáng)大、更智能、更易于訪問(wèn)的邊緣設(shè)備和更智能的制造。它還可以帶來(lái)更好的數(shù)據(jù)隱私,因?yàn)閷?shù)據(jù)從設(shè)備傳輸?shù)皆茣?huì)帶來(lái)更高的安全風(fēng)險(xiǎn)。

      在 AI 芯片上,將數(shù)據(jù)從內(nèi)存轉(zhuǎn)移到計(jì)算單元是一大瓶頸。

      「這相當(dāng)于每天兩個(gè)小時(shí)的通勤時(shí)間為八小時(shí)!乖撗芯康牡谝蛔髡 Weier Wan 解釋說(shuō)。

      為了解決這個(gè)數(shù)據(jù)傳輸問(wèn)題,研究人員使用了所謂的電阻式隨機(jī)存取存儲(chǔ)器,這是一種非易失性存儲(chǔ)器,允許直接在存儲(chǔ)器內(nèi)而不是在單獨(dú)的計(jì)算單元中進(jìn)行計(jì)算。使用 RRAM 芯片進(jìn)行計(jì)算不一定是新事物,但通常會(huì)導(dǎo)致在芯片上執(zhí)行的計(jì)算的準(zhǔn)確性降低,并且芯片架構(gòu)缺乏靈活性。

      「自 30 多年前引入內(nèi)存計(jì)算以來(lái),它一直是神經(jīng)形態(tài)工程中的常見(jiàn)做法!辜又荽髮W(xué)教授,該研究的主要參與者 Gert Cauwenberghs 說(shuō),「NeuRRAM 的新特點(diǎn)是,現(xiàn)在極高的效率與各種 AI 應(yīng)用的極大靈活性相結(jié)合,與標(biāo)準(zhǔn)數(shù)字通用計(jì)算平臺(tái)相比,準(zhǔn)確性幾乎沒(méi)有損失!

      精心設(shè)計(jì)的方法是跨硬件和軟件抽象層進(jìn)行多層次「協(xié)同優(yōu)化」的關(guān)鍵,從芯片的設(shè)計(jì)到運(yùn)行各種 AI 任務(wù)的配置。此外,該團(tuán)隊(duì)確?紤]到從存儲(chǔ)設(shè)備物理到電路和網(wǎng)絡(luò)架構(gòu)的各種限制。

      「這款芯片現(xiàn)在為我們提供了一個(gè)平臺(tái),可以解決從設(shè)備和電路到算法的堆棧問(wèn)題!故ツ复髮W(xué)計(jì)算機(jī)科學(xué)與工程助理教授 Siddharth Joshi 說(shuō)。

      芯片性能

      研究人員通過(guò)一種稱為能量延遲積或 EDP 的方法來(lái)測(cè)量芯片的能量效率。EDP 結(jié)合了每次操作消耗的能量和完成操作所需的時(shí)間。通過(guò)這一措施,與最先進(jìn)的芯片相比,NeuRRAM 芯片的 EDP 低 1.6 到 2.3 倍(越低越好),計(jì)算密度高 7 到 13 倍。

      研究人員在芯片上運(yùn)行各種 AI 任務(wù)。它在手寫數(shù)字識(shí)別任務(wù)上達(dá)到了 99% 的準(zhǔn)確率;圖像分類任務(wù)準(zhǔn)確率達(dá) 85.7%;谷歌語(yǔ)音命令識(shí)別任務(wù)準(zhǔn)確率達(dá) 84.7%。此外,該芯片還在圖像恢復(fù)任務(wù)中實(shí)現(xiàn)了 70% 的圖像重建誤差降低。這些結(jié)果可與現(xiàn)有的數(shù)字芯片相媲美,這些芯片在相同的位精度下執(zhí)行計(jì)算,但大大節(jié)省了能源。

      研究人員指出,該研究的一個(gè)關(guān)鍵貢獻(xiàn)是所有特色結(jié)果都是直接在硬件上獲得的。在之前的許多內(nèi)存計(jì)算芯片工作中,AI 基準(zhǔn)測(cè)試結(jié)果通常部分通過(guò)軟件模擬獲得。

      下一步包括改進(jìn)架構(gòu)和電路,并將設(shè)計(jì)擴(kuò)展到更先進(jìn)的技術(shù)節(jié)點(diǎn)。研究人員還計(jì)劃解決其他應(yīng)用,例如脈沖神經(jīng)網(wǎng)絡(luò)。

      圖示:具有多位輸入和輸出的電壓模式 MVM。(來(lái)源:論文)

      新架構(gòu)

      NeuRRAM 能源效率的關(guān)鍵是一種創(chuàng)新的方法來(lái)檢測(cè)內(nèi)存中的輸出。傳統(tǒng)方法使用電壓作為輸入并測(cè)量電流作為結(jié)果。但這導(dǎo)致需要更復(fù)雜和更耗電的電路。在 NeuRRAM 中,該團(tuán)隊(duì)設(shè)計(jì)了一種神經(jīng)元電路,可以感應(yīng)電壓并以節(jié)能的方式執(zhí)行模數(shù)轉(zhuǎn)換。這種電壓模式感測(cè)可以在單個(gè)計(jì)算周期內(nèi)激活 RRAM 陣列的所有行和所有列,從而實(shí)現(xiàn)更高的并行度。

      圖示:提高 NeuRRAM 推理精度的硬件算法協(xié)同優(yōu)化技術(shù)。(來(lái)源:論文)

      在 NeuRRAM 架構(gòu)中,CMOS 神經(jīng)元電路與 RRAM 權(quán)重物理交錯(cuò)。它不同于傳統(tǒng)設(shè)計(jì),其中 CMOS 電路通常位于 RRAM 重量的外圍。神經(jīng)元與 RRAM 陣列的連接可以配置為作為神經(jīng)元的輸入或輸出。這允許在各種數(shù)據(jù)流方向上進(jìn)行神經(jīng)網(wǎng)絡(luò)推理,而不會(huì)產(chǎn)生面積或功耗方面的開(kāi)銷。同時(shí),反過(guò)來(lái)又使架構(gòu)更易于重新配置。

      為了確保人工智能計(jì)算的準(zhǔn)確性可以在各種神經(jīng)網(wǎng)絡(luò)架構(gòu)中保持不變,研究人員開(kāi)發(fā)了一套硬件算法協(xié)同優(yōu)化技術(shù)。這些技術(shù)在各種神經(jīng)網(wǎng)絡(luò)上得到了驗(yàn)證,包括卷積神經(jīng)網(wǎng)絡(luò)、長(zhǎng)短期記憶和受限玻爾茲曼機(jī)。

      圖示:測(cè)量結(jié)果顯示了硬件算法協(xié)同優(yōu)化技術(shù)的有效性。(來(lái)源:論文)

      作為神經(jīng)形態(tài)的 AI 芯片,NeuroRRAM 跨 48 個(gè)神經(jīng)突觸核心執(zhí)行并行分布式處理。為了同時(shí)實(shí)現(xiàn)高通用性和高效率,NeuRRAM 通過(guò)將神經(jīng)網(wǎng)絡(luò)模型中的一層映射到多個(gè)核上以對(duì)多個(gè)數(shù)據(jù)進(jìn)行并行推理,從而支持?jǐn)?shù)據(jù)并行。此外,NeuRRAM 通過(guò)將模型的不同層映射到不同的內(nèi)核并以流水線方式執(zhí)行推理來(lái)提供模型并行性。

      論文鏈接:https://www.nature.com/articles/s41586-022-04992-8

      相關(guān)報(bào)道:https://techxplore.com/news/2022-08-neuromorphic-chip-ai-edge-small.html

      文章內(nèi)容僅供閱讀,不構(gòu)成投資建議,請(qǐng)謹(jǐn)慎對(duì)待。投資者據(jù)此操作,風(fēng)險(xiǎn)自擔(dān)。

    即時(shí)

    新聞

    明火炊具市場(chǎng):三季度健康屬性貫穿全類目

    奧維云網(wǎng)(AVC)推總數(shù)據(jù)顯示,2024年1-9月明火炊具線上零售額94.2億元,同比增加3.1%,其中抖音渠道表現(xiàn)優(yōu)異,同比有14%的漲幅,傳統(tǒng)電商略有下滑,同比降低2.3%。

    企業(yè)IT

    重慶創(chuàng)新公積金應(yīng)用,“區(qū)塊鏈+政務(wù)服務(wù)”顯成效

    “以前都要去窗口辦,一套流程下來(lái)都要半個(gè)月了,現(xiàn)在方便多了!”打開(kāi)“重慶公積金”微信小程序,按照提示流程提交相關(guān)材料,僅幾秒鐘,重慶市民曾某的賬戶就打進(jìn)了21600元。

    3C消費(fèi)

    華碩ProArt創(chuàng)藝27 Pro PA279CRV顯示器,高能實(shí)力,創(chuàng)

    華碩ProArt創(chuàng)藝27 Pro PA279CRV顯示器,憑借其優(yōu)秀的性能配置和精準(zhǔn)的色彩呈現(xiàn)能力,為您的創(chuàng)作工作帶來(lái)實(shí)質(zhì)性的幫助,雙十一期間低至2799元,性價(jià)比很高,簡(jiǎn)直是創(chuàng)作者們的首選。