O chip NeuRRAM é o primeiro chip de computação em memória que demonstra uma ampla gama de aplicativos de IA usando apenas uma pequena porcentagem da energia consumida por outras plataformas, mantendo uma precisão equivalente.
O NeuRRAM, um novo chip que realiza cálculos diretamente na memória e pode executar uma ampla gama de aplicativos de IA, foi projetado e construído por uma equipe internacional de pesquisadores. O que o diferencia é que ele faz tudo isso por uma fração da energia consumida pelas plataformas de computação de IA de uso geral.
O chip neuromórfico NeuRRAM aproxima a IA da execução em uma ampla variedade de periféricos desconectados da nuvem. Isso significa que eles podem executar tarefas cognitivas complexas em qualquer lugar e a qualquer momento sem depender de uma conexão de rede com um servidor centralizado. Os aplicativos para este dispositivo são abundantes em todos os cantos do globo e em todos os aspectos de nossas vidas. Eles variam de smartwatches a headsets de realidade virtual, fones de ouvido inteligentes, sensores inteligentes em fábricas e rovers para exploração planetária.
O chip NeuRRAM não é apenas duas vezes mais eficiente em termos de consumo de energia do que os chips de computação in-memory atuais, uma classe inovadora de chips híbridos que executam computação in-memory, mas também oferece resultados tão precisos quanto os chips digitais convencionais. As plataformas convencionais de IA são muito maiores e geralmente limitadas ao uso de grandes servidores de dados executados na nuvem.
Além disso, o chip NeuRRAM é muito versátil e suporta muitos modelos e arquiteturas de redes neurais diferentes. Como resultado, o chip pode ser usado para muitas aplicações diferentes, incluindo reconhecimento e reconstrução de imagem e reconhecimento de voz.
É comum pensar que uma maior eficiência de computação de memória custa a versatilidade, mas nosso chip NeuRRAM oferece eficiência sem sacrificar a versatilidade”, disse Weyer Wang, primeiro autor do artigo.
Atualmente, a computação de IA consome muita energia e é computacionalmente cara. A maioria dos aplicativos de IA em dispositivos de borda envolve a movimentação de dados de dispositivos para a nuvem, onde a IA os processa e analisa. Os resultados são então transferidos de volta para o dispositivo. Isso é necessário porque a maioria dos periféricos é alimentada por bateria e, como resultado, tem apenas uma quantidade limitada de energia disponível para computação.
Ao reduzir o consumo de energia necessário para inferência de IA na borda, o chip NeuRRAM pode levar a dispositivos de borda mais confiáveis, inteligentes e acessíveis e a uma fabricação mais inteligente.
Também pode levar a uma maior privacidade de dados, pois a transferência de dados de dispositivos para a nuvem traz maiores riscos de segurança.
Em chips de IA, mover dados da memória para dispositivos de computação é um dos principais gargalos. Isso equivale a um trajeto de oito horas para um dia de trabalho de duas horas”, disse Weier Wang.
Para resolver esse problema com a transferência de dados, os pesquisadores usaram a chamada memória resistiva de acesso aleatório. Esse tipo de memória não volátil permite que os cálculos sejam executados diretamente na memória, em vez de em unidades de computação separadas.
Desempenho do chip:
Os pesquisadores mediram a eficiência energética do chip em uma métrica conhecida como EDP (energy-delay product).
O EDP combina tanto a quantidade de energia consumida para cada operação quanto o tempo necessário para concluir a operação. De acordo com este indicador, o chip NeuRRAM fornece uma redução de 1,6 a 2,3 vezes no EDP (quanto menos, melhor) e uma densidade computacional 7 a 13 vezes maior que a dos chips modernos.
Os engenheiros realizaram várias tarefas de IA em um chip. Ele alcançou 99% de precisão na tarefa de reconhecimento de dígitos manuscritos; 85,7% na tarefa de classificação de imagens; e 84,7% na tarefa de reconhecimento de comandos de voz do Google.
Além disso, o chip também obteve uma redução de 70% nos erros de reconstrução de imagem na tarefa de restauração de imagem. Esses resultados são comparáveis aos chips digitais existentes, que realizam cálculos com a mesma precisão, mas com um consumo de energia significativamente maior.
Os pesquisadores observam que um dos principais resultados do trabalho é que todos os resultados apresentados foram obtidos diretamente no equipamento. Em grande parte do trabalho anterior sobre chips de computação de memória, os resultados dos testes de IA eram frequentemente derivados em parte de simulações de software.
Os próximos passos incluem melhorar a arquitetura e os circuitos e dimensionar o projeto para nós com tecnologias mais avançadas. Os engenheiros também planejam analisar outras aplicações, como redes neurais de impulso.
Publicado em acesso aberto na revista Nature.
2022-08-22 16:40:46
Autor: Vitalii Babkin