Группа исследователей из POSTECH и Корейского университета успешно создала аналоговое оборудование с использованием устройств электрохимической памяти с произвольным доступом (ECRAM), которое может значительно повысить вычислительную производительность искусственного интеллекта. Результаты их работы были опубликованы в международном журнале Science Advances.
Быстрое развитие технологий ИИ, включая такие приложения, как генеративные модели, привело к тому, что масштабируемость существующего цифрового оборудования достигла своих пределов. В связи с этим, активно ведутся исследования аналогового оборудования, специализированного для потребностей ИИ. Аналоговое оборудование регулирует сопротивление полупроводников на основе внешнего напряжения или тока и использует структуру кросс-точечного массива с вертикально скрещенными устройствами памяти для параллельной обработки вычислений. Хотя аналоговое оборудование и предлагает преимущества по сравнению с цифровым оборудованием для конкретных вычислительных задач и непрерывной обработки данных, удовлетворение разнообразных требований к вычислительному обучению и выводу остаётся сложной задачей.
Чтобы преодолеть ограничения аналоговых аппаратных запоминающих устройств, исследовательская группа сосредоточилась на устройствах ECRAM, которые управляют электропроводностью посредством движения и концентрации ионов. Эти устройства имеют трёхконтактную структуру с отдельными путями для чтения и записи данных, что позволяет работать при относительно низкой мощности.
В ходе исследования команда успешно изготовила устройства ECRAM, используя трёхконтактные полупроводники в массиве 64×64. Эксперименты показали, что оборудование, включающее устройства команды, продемонстрировало превосходные электрические и коммутационные характеристики, а также высокую производительность и однородность. Кроме того, исследователи применили алгоритм Тики-Така на аналоговой основе, к этому высокопроизводительному оборудованию, успешно максимизировав точность вычислений обучения нейронной сети.
Исследователи продемонстрировали влияние свойства «удержания веса» обучения оборудования на обучение и подтвердили, что их метод не перегружает искусственные нейронные сети, что подчёркивает потенциал для коммерциализации технологии.
Профессор Сейонг Ким из POSTECH отметил: «Реализуя крупномасштабные массивы на основе новых технологий запоминающих устройств и разрабатывая аналоговые алгоритмы ИИ, мы выявили потенциал вычислительной производительности и энергоэффективности ИИ, которые намного превосходят существующие цифровые методы».
Эта разработка может значительно повысить производительность и энергоэффективность вычислений ИИ, открывая новые возможности для коммерциализации технологии и её применения в различных областях, включая генеративный ИИ и другие передовые приложения искусственного интеллекта.
Colorful представила белую материнскую плату iGame B850I MINI W OC V14 с Wi-Fi 7 и двумя слотами M.2 PCIe 5.0 x4
Vivo S60t поступил в продажу: не самый мощный чип, зато аккумулятор на 7200 мА·ч, зарядка 90 Вт, перископная камера и защита IP69
GPD запустит на Indiegogo Win Mini Ultra — гибрид ноутбука и консоли с Intel Arc G3 Extreme за 1700 долларов
Кредиторы SpaceX попытались помешать Илону Маску отправить в космос заложенные чипы Nvidia
GTA VI разошлась тиражом более 32 млн копий за первые сутки и заработала почти 3,8 млрд долларов, установив рекорд индустрии развлечений
Seagate представила гибридный накопитель FireCuda Forge на 8 и 20 ТБ с поддержкой NVMe SSD
Meizu MIFI N1 поступил в продажу за $6: Wi-Fi 6, LTE до 150 Мбит/с, подключение до 16 устройств и аккумулятор на 3000 мАч
Microsoft внедрила новый способ работы RDMA: несколько ПК можно объединять по USB4 для запуска больших ИИ-моделей