Questo chip focalizzato sull’Intelligenza Artificiale ridefinisce l’efficienza raddoppia i risparmi energetici unificando elaborazione e memoria.

Questa rivoluzionaria chip basata sull'Intelligenza Artificiale ridefinisce l'efficienza, raddoppia i risparmi energetici e unifica elaborazione e memoria.

In un mondo in cui la domanda di intelligenza locale centrata sui dati è in aumento, la sfida di consentire ai dispositivi di analizzare autonomamente i dati all’edge diventa sempre più critica. Questa transizione verso i dispositivi edge-AI, che comprendono dispositivi indossabili, sensori, smartphone e automobili, segna la prossima fase di crescita nell’industria dei semiconduttori. Questi dispositivi supportano l’apprendimento in tempo reale, l’autonomia e l’intelligenza embedded.

Tuttavia, questi dispositivi edge-AI incontrano un ostacolo significativo noto come il collo di bottiglia di von Neumann, in cui i compiti computazionali legati alla memoria, in particolare quelli relativi all’apprendimento profondo e all’AI, generano una necessità schiacciante di accesso ai dati che supera le capacità di calcolo locale all’interno delle unità logiche algoritmiche tradizionali.

Il percorso verso la risoluzione di questo dilemma computazionale ha portato a innovazioni architettoniche, tra cui il calcolo in-memory (IMC). L’IMC, eseguendo operazioni di moltiplicazione e accumulo (MAC) direttamente all’interno dell’array di memoria, offre il potenziale per rivoluzionare i sistemi AI. Le implementazioni esistenti di IMC spesso coinvolgono operazioni logiche binarie, limitando la loro efficacia in calcoli più complessi.

Entra in scena la nuova macro di calcolo in-memory (IMC) con crocebarra, che presenta una cella di transistor a effetto di campo ferroelettrico (FeFET) a più livelli per operazioni MAC multi-bit. Questa innovazione va oltre i limiti delle operazioni binarie tradizionali, utilizzando le caratteristiche elettriche dei dati memorizzati all’interno delle celle di memoria per derivare risultati di operazioni MAC codificati nel tempo di attivazione e nella corrente accumulata.

Le metriche di prestazione straordinarie raggiunte sono semplicemente sorprendenti. Con una precisione del 96,6% nel riconoscimento della grafia e una precisione del 91,5% nella classificazione delle immagini, tutto ciò senza addestramenti aggiuntivi, questa soluzione è pronta a trasformare il panorama dell’AI. La sua efficienza energetica, valutata a 885,4 TOPS/W, quasi raddoppia quella dei progetti esistenti, sottolineando ulteriormente il suo potenziale per guidare l’industria verso il futuro.

In conclusione, questo studio innovativo rappresenta un significativo salto in avanti nell’AI e nel calcolo in-memory. Affrontando il collo di bottiglia di von Neumann e introducendo un approccio innovativo alle operazioni MAC multi-bit, questa soluzione offre non solo una prospettiva nuova sull’hardware dell’AI, ma promette anche di aprire nuovi orizzonti per l’intelligenza locale all’edge, plasmando in definitiva il futuro del calcolo.