MIT透過類似樂高的模組化，設計出AI晶片
科技產業資訊室 (iKnow) - Gloria 發表於 2022年6月22日
圖、邊緣運算感測器運算系統整合技術
麻省理工學院（MIT）的工程師正朝著模組化晶片的願景邁出一步。如今他們採用了類似樂高的設計，透過堆疊、重新配置設計出AI晶片。
這一模組化設計包括：可替換的感測和處理元件層，以及允許晶片層進行光學通訊的LED。其他模組化晶片設計採用傳統佈線在層之間繼電訊號。簡單來說，MIT的設計是使用光而不是實體線在晶片間傳輸訊息。因此，晶片可以重新配置，層之間可以交換或堆疊，例如：添加新的感測器或更新的處理器等。
研究人員渴望將該設計應用於邊緣運算裝置，可透過自給自足的感測器和其他電子設備，讓其獨立於任何中央或分佈式資源（如：超級電腦或基於雲端運算）工作。
MIT認為，隨著我們進入基於感測器網路的物聯網時代，對多功能邊緣運算設備的需求將急劇擴大。因此，其提出的硬體架構將在未來提供高度通用的邊緣運算。
從硬體架構來看，MIT製造了一個晶片，其運算核心尺寸約為4平方公釐。該晶片堆疊了三個影像識別“塊”，每個“塊”包括一個影像感測器、光通訊層和人工突觸陣列。然後他們將像素化影像照射到晶片上，並測量每個神經網路陣列響應產生的電流。
研究小組發現，該晶片可以正確識別清晰影像，但它無法區分模糊影像。透過快速更換晶片的處理層之後，可以獲得更好的“去噪”處理器，強化晶片能力，然後提升識別影像能力。
例如：其可為手機的相機模組添加影像層，以便可以識別更複雜的影像，或者將這些影像製作成可以嵌入穿戴式電子皮膚的醫療保健監視器，進而開發出一種智慧皮膚，用於監測重要身體跡象的改變。
未來廠商可以透過製作一個通用的晶片平台，每一層都可單獨銷售。不同廠商可以製作不同類型的神經網路，例如用於影像或語音辨識，讓客戶選擇他們想要的東西，並添加到現有的晶片中，達到獲利的目的。
想像一個更可持續的未來，人們所擁有的手機、智慧手錶和其他穿戴式裝置不必為了更新型號而被擱置或丟棄。相反，它們可以使用最新的感測器和處理器進行升級，這些以類似樂高積木配置在內部晶片的感測器和處理器，可讓廠商重新配置的晶片零組件，讓設備保持最新狀態，減少電子裝置浪費的情況。（841字）
參考資料：
Engineers build LEGO-like artificial intelligence chip. MIT News, 2022/6/13.
Reconfigurable heterogeneous integration using stackable chips with embedded artificial intelligence. Nature Electionics, 2022/6/13.
相關文章：
1. AI晶片設計不再單純考慮性能 如何降低成本與提高效率將成為重點
2. 經濟部技術處引領記憶體技術研發，發展下世代AI晶片
3. 科技大廠強化ASIC開發AI與機器學習晶片
4. 晶片短缺與AI崛起正改變晶片設計的新時代
5. 超微將以小晶片和第三方IP方式，擴大客製化晶片戰略
6. 邊緣運算帶來的新挑戰
--------------------------------------------------------------------------------------------------------------------------------------------
【聲明】
1.科技產業資訊室刊載此文不代表同意其說法或描述，僅為提供更多訊息，也不構成任何投資建議。
2.著作權所有，非經本網站書面授權同意不得將本文以任何形式修改、複製、儲存、傳播或轉載，本中心保留一切法律追訴權利。
|