New-Tech Magazine | August 2020 | Digital Edition

ארכיטקטורת המחשוב המסורתית כבר לא מספיקה כדי שמכשירים אלחוטיים יוכלו לקבל החלטות במהירות, אנחנו זקוקים לארכיטקטורות מחשוב חדשות. ובפרט, שבבי חישוב עם צריכת אנרגיה נמוכה. כדי שהאלגוריתם יוכל לתת תחזית, תחילה צריך לאמן אותו. את החישובים של שלב הלמידה אפשר לבצע מבעוד מועד בחוות השרתים. בסיום שלב הלמידה, המכשיר החכם יוכל לעבד מידע חדש בכוחות עצמו ולתת את התחזית הנכונה. סוג החישובים הזה נקרא הסקה, והוא זה שיבוצע במכשיר הקצה עצמו. כך לדוגמה: נניח שלימדנו מערכת בינה מלאכותית להבדיל בין חתול וכלב. פירושו של דבר שהזנו לרשת הנוירונים מספר גדול מאוד של תמונות בליווי משוב רציף, עד שהיא ביצעה את ההתאמות הנדרשות והצליחה לתת את התשובה הנכונה. אם נציג לה עכשיו תמונה חדשה של בעל חיים, ייתן האלגוריתם תשובה נכונה (זה חתול . כדי להגיע 95% או זה כלב) ברמת דיוק של לתשובה הנכונה השתמשה המערכת כמויות עצומות של נתונים. היא לא עיבדה רק את נתוני התמונה החדשה של החתול או הכלב, אלא גם השתמשה בכל המידע שלמדה בעבר. העברת המידע הזה צורכת המון אנרגיה. מימיו הראשונים של עידן המחשב הדיגיטלי, המעבד היה רכיב נפרד מהזיכרון. המעבד מבצע פעולות על נתונים שמתקבלים מהזיכרון. אם הפעולות האלו מבוצעות על נתוני עתק, אחזור המידע מהזיכרון לוקח לפעמים זמן רב יותר מזה הדרוש לביצוע הפעולה. הבעיה הזאת בולטת במיוחד כשמדובר בחישובי בינה מלאכותית, בגלל שבחישובי שלב ההסקה מתבצעת הכפלה של וקטורים ומטריצות גדולים. כמו כן, כל פעולה מבוצעת ברמת דיוק של מחשב דיגיטלי וצורכת הרבה אנרגיה. עם זאת, בשנים האחרונות מצאו חוקרים כי התוצאה (זיהוי חוקיות) כמעט שלא מושפעת מרמת הדיוק של כל פעולה בודדת. ההבנה הזאת יכולה להוביל לחסכון באנרגיה, כי פירושו של דבר שאפשר לבצע את החישובים קרוב ככל האפשר לזיכרון במחיר של רמת דיוק נמוכה יותר. זה העקרון שעליו מבוססת הגישה שהציעה קבוצת המחקר של ורקסט, המשנה לגמרי את ארכיטקטורת המחשוב המסורתית: החישובים מבוצעים ישירות בזיכרון באמצעות טכנולוגיה אנלוגית.

:2 תמונה

« The Analog Inference Accelerator (AnIA) is an energy-efficient chip that enables smart pattern recognition at the edge.

מבקשים להדגים כי אפשר לבצע חישובים אנלוגיים בזיכרון", אומר ורקסט. "אנחנו יכולים להשתמש בגישה הזאת ליצירת שבבים קטנים, וכבר עכשיו השבב הזה לעומת 100 עד 10 חסכוני באנרגיה פי שבבים דיגיטליים". בסופו של דבר אנחנו שואפים ליצור שבב TOPS / W 10,000 שיציג ביצועים של ) טריליון פעולות לג'ול). הדרך 10,000 לעשות זאת מתוארת במאמר שפורסם לאחרונה והציע תכנית לפיתוח השבבים הקטנים והמאוד יעילים אנרגטית האלה. השבבים האלה יאפשרו לחיישנים אלחוטיים לזהות חוקיות בכוחות עצמם על סמך הנתונים שאספו בעצמם. כבר לא יהיה צורך בשליחת נתונים הלוך ושוב בין מכשיר הקצה לחוות שרתים. Bio Diederik Verkest Diederik Verkest holds a Ph . D . in Applied Sciences from the KU Leuven ) Belgium (. After working in the VLSI design methodology group of imec ) Leuven , Belgium ( in the domain of system - on - chip design , he joined imec ’ s process technology unit as director of imec ' s INSITE program focusing on co - optimization of design and process technology for sub -7 nm nodes . Since 2018 he is in charge of imec ’ s ML program aiming at improving energy efficiency of ML hardware through innovation in circuits and devices .

הגישה האנלוגית במבט ראשון נדמה ששימוש במערכת אנלוגית בתוך מערכת דיגיטלית היא החלטה תמוהה בעולם שבו הכול עובר לדיגיטל. שיטות אנלוגיות משתמשות באותות רציפים והן פחות מדויקות משיטות דיגיטלית המשתמשות ברצף של אפסים ואחדות. אך כפי שהזכרנו קודם לכן, אין צורך לבצע כל חישוב ברמת דיוק גבוהה כדי להשיג תוצאה סופית מדויקת. ועוד יותר מזה, הגישה האנלוגית מאפשרת להשיג את אותה תוצאה מהר יותר והיא חסכונית יותר באנרגיה. אכן כן! בעזרת עקרונות הנדסת חשמל אפשר לבצע את פעולות הכפלת הווקטורים והמטריצות בפעם אחת במקום זאת אחר זאת. אם המתח הוא ערכי הקלט וההתנגדות היא משתני הלמידה, אז הזרם הוא פעולת ההכפלה (חוק אוהם). אפשר לחבר בין כל פעולות ההכפלה (חוק הזרמים) כך שערך הזרם נותן את תוצאת הכפלת המטריצה בווקטור. בדרך זאת אפשר לבצע את החישובים בפעם אחת מבלי לאחזר את המשתנים שוב ושוב. כדי להדגים שהגישה הזאת עובדת היטב גם באופן מעשי, שולבה הארכיטקטורה החדשה בתוך שבב. השבב נקרא מאיץ Analogue Inference הסקה אנלוגי ( ) AnIA , בראשי תיבות: Accelerator או TOPS / W 2,900 וביצועיו עומדים על טריליון פעולות לג'ול. "זאת בסך 2,900 הכול הטמעה די בסיסית שבעזרתה אנחנו

43 l New-Tech Magazine