︿
Top

結合人工神經元和RRAM的新晶片 強化AI邊緣運算效率並在穿戴式和無人機應用

瀏覽次數:6380| 歡迎推文: facebook twitter wechat Linked

科技產業資訊室 (iKnow) - Kyle 發表於 2022年8月23日
facebook twitter wechat twitter

圖、結合人工神經元和RRAM的新晶片 強化AI邊緣運算效率並在穿戴式和無人機應用

一篇新發表在Nature的研究論文描述了一種記憶體內運算(Compute-in-Memory;CIM)晶片,該晶片將人工神經元與電阻式記憶體(RRAM)相結合,從而可以在同一晶片上儲存和處理AI模型。該設計消除了運算和記憶體之間的數據移動,因此對邊緣應用程式的效果更佳。

根據IDC,邊緣運算和AI都有望在不久的將來迅速成長。如今一些應用場景將它們兩個結合在一起,因為配置邊緣運算可能會受到功率和連網性的限制,但仍需要分析大量數據並對事件提供近乎即時反應,從而使AI模型可在裝置中運行,CIM就成為了最佳的解決方案。

現在,有研究人員開發了NeuRRAM晶片,這是一種將人工神經元與RRAM結合在一起的新穎架構。該專案的目標是提供一種能夠同時提供高能源效率以及支持各種AI模型的多功能設計,且能在軟體中運行相同模型時可獲得相當的準確性。

研究員表示,NeuRRAM被開發為AI晶片之後,將可大大提高AI推理的能源效率,從而在電池供電的邊緣裝置中實現複雜的AI功能,例如:智慧穿戴式裝置、無人機和工業物聯網感測器等,都是可以應用的領域。

以前有關於CIM架構的研究都聚集在軟體層面,但是這一次卻是在硬體中展示廣泛的AI應用程式,是非常大的突破。

NeuRRAM是由48個CIM核心組成,總共包含300萬個RRAM單元。每個核心都是一個TNSA(transposable neurosynaptic array),由256 × 256 RRAM單元的網格和256個CMOS人工神經元電路組成。

根據該論文,TNSA架構旨在提供對數據流方向的靈活控制,這對於支持具有不同數據流模式的各種AI模型至關重要。

NeuRRAM可重構的秘訣在於它將CMOS神經元電路分佈在RRAM單元之間,並沿著行和列的長度將它們連接起來。且每個TNSA被分解成許多小核,每個小核由16 × 16 RRAM單元和一個神經元電路組成。小核通過水平方向的共享BLbit-lines)和WLword-lines 以及垂直方向的SLsource-lines)連接。這種安排意味著可以通過配置在每個神經元電路的輸入和輸出階段使用哪個開關來實現不同的數據流方向。

根據該論文,該晶片將採用130奈米CMOS 技術製造,預計效能會隨著技術演進而提高。如今許多晶圓代工廠已經具備製造RRAM的能力,但主要用於嵌入式記憶體,而不是用於CIM。一旦RRAM 能為IC設計人員提供更廣泛的應用之後,NeuRRAM產品就可能會出現。預計商品化還要兩至三年的時間才能達成。(876字)


參考資料:
AI chip adds artificial neurons to resistive RAM for use in wearables, drones. The Register, 2022/8/18
A new neuromorphic chip for AI on the edge, at a small fraction of the energy and size of today's compute platforms. Science Daily, 2022/8/17
A compute-in-memory chip based on resistive random-access memory. Nature,2022/8/17


相關文章:
1. 英特爾AI加速器建立模擬大腦的神經形態晶片
2. 韓國KAIST開發模仿大腦的神經形態晶片
3. 人工智慧技術正重塑晶片設計
4. 應用於未來新興科技的二維材料
5. 三星研發出運算記憶體MRAM
6. IBM開發新處理器 結合運算和記憶體於單一晶片

 
歡迎來粉絲團按讚!
--------------------------------------------------------------------------------------------------------------------------------------------
【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。