نشر باحثون في IBM Research Europe وIIS-ETH زيوريخ ورقة فنية بعنوان "وحدة معالجة رقمية ذات نقاط ثابتة محسنة للذاكرة القريبة من أجل الحوسبة التناظرية داخل الذاكرة".
المستخلص:
"تعد الحوسبة التناظرية داخل الذاكرة (AIMC) تقنية ناشئة لاستدلال التعلم العميق (DL) السريع والموفر للطاقة. ومع ذلك، يلزم قدر معين من المعالجة الرقمية اللاحقة للتعامل مع عدم تطابق الدوائر وعدم المثالية المرتبطة بأجهزة الذاكرة. يعد المنطق الرقمي الفعال للذاكرة القريبة أمرًا بالغ الأهمية للاحتفاظ بكفاءة المنطقة/الطاقة العالية وزمن الوصول المنخفض لـ AIMC. تعتمد الأنظمة الحالية حساب النقطة العائمة 16 (FP16) مع قدرة محدودة على الموازاة وزمن وصول مرتفع. للتغلب على هذه القيود، نقترح إنشاء وحدة معالجة رقمية للذاكرة القريبة (NMPU) تعتمد على حساب النقاط الثابتة. فهو يحقق دقة تنافسية وإنتاجية حوسبة أعلى من الأساليب السابقة مع تقليل المساحة العلوية. علاوة على ذلك، تدعم NMPU خطوات تنشيط DL القياسية، مثل ReLU وBatch Normalization. نحن نقوم بالتنفيذ المادي لتصميم NMPU باستخدام تقنية CMOS مقاس 14 نانومتر ونقدم تقييمات تفصيلية للأداء والطاقة والمساحة. نحن نتحقق من فعالية NMPU باستخدام البيانات من شريحة AIMC ونثبت أن نظام AIMC المحاكى مع NMPU المقترحة يتفوق على التطبيقات القائمة على FP16، مما يوفر 139× تسريع 7.8× مساحة أصغر، واستهلاك الطاقة التنافسية. بالإضافة إلى ذلك، يحقق نهجنا دقة استدلال تبلغ 86.65%/65.06%، مع انخفاض دقة قدره 0.12%/0.4% فقط مقارنة بخط الأساس FP16 عند قياسه بشبكات ResNet9/ResNet32 المدربة على مجموعات بيانات CIFAR10/CIFAR100، على التوالي.
أعثر على ورقة فنية هنا. نُشرت في فبراير 2024 (نسخة ما قبل الطباعة).
فيرو، إيلينا، أثناسيوس فاسيلوبولوس، كوري لامي، مانويل لو جالو، لوكا بينيني، إيريم بويبات، وأبو سيباستيان. "وحدة معالجة رقمية ذات نقاط ثابتة محسنة بدقة للذاكرة القريبة من أجل الحوسبة التناظرية داخل الذاكرة." طبعة arXiv المسبقة arXiv:2402.07549 (2024).
القراءة ذات الصلة
التكامل ثلاثي الأبعاد يدعم تعدد استخدامات CIM ودقتها
يتطلب حل قيود الحوسبة في الذاكرة أساليب وأبعادًا جديدة.
زيادة كفاءة طاقة الذكاء الاصطناعي من خلال الحوسبة في الذاكرة
كيفية معالجة أحمال عمل زيتاسكيل والبقاء ضمن ميزانية طاقة ثابتة.
- محتوى مدعوم من تحسين محركات البحث وتوزيع العلاقات العامة. تضخيم اليوم.
- PlatoData.Network Vertical Generative Ai. تمكين نفسك. الوصول هنا.
- أفلاطونايستريم. ذكاء Web3. تضخيم المعرفة. الوصول هنا.
- أفلاطون كربون، كلينتك ، الطاقة، بيئة، شمسي، إدارة المخلفات. الوصول هنا.
- أفلاطون هيلث. التكنولوجيا الحيوية وذكاء التجارب السريرية. الوصول هنا.
- المصدر https://semiengineering.com/a-precision-optimized-fixed-point-near-memory-digital-processing-unit-for-analog-imc-ibm-and-eth-zurich/
