人工知能開発のボトルネックを突破: AI シミュレーション チップは従来のチップよりもエネルギー効率が 14 倍高い

研究者は14nmの模擬人工知能チップを持っています。画像出典: Ryan Levine/Nature ウェブサイト

23日にNatureに掲載された研究では、従来のデジタルコンピュータチップよりもエネルギー効率が14倍高い人工知能（AI）アナログチップが報告された。 IBM 研究所が開発したこのチップは、音声認識において汎用プロセッサよりも効率的です。このテクノロジーは、不十分なコンピューティング能力と低効率によって現在の AI 開発で遭遇するボトルネックを打破できる可能性があります。

AIテクノロジーの台頭により、エネルギーと資源の需要も増加しました。音声認識の分野では、ソフトウェアのアップグレードにより自動文字起こしの精度が大幅に向上しましたが、メモリとプロセッサ間で移動される操作量が増加しているため、ハードウェアはこれらのモデルのトレーニングと実行に必要な数百万の操作に追いつくことができません。計算されたパラメータ。研究者らによって提案された解決策の 1 つは、「メモリ内コンピューティング」(CiM、またはシミュレートされた AI) チップを使用することです。 アナログ AI システムは、独自のメモリ内で直接操作を実行することで非効率を防ぎますが、デジタル プロセッサはメモリとプロセッサの間でデータを移動するために追加の時間とエネルギーを必要とします。アナログ AI チップは AI コンピューティングのエネルギー効率を大幅に向上させると期待されていますが、これについての実用的な実証は不足しています。

検出ボード上の14nmアナログAIチップ。画像出典: Ryan Levine/Nature ウェブサイト 書き換え後: この画像は、テストボード上の 14nm アナログ AI チップを示しています。画像ソースは Rain Levine の「Nature」ウェブサイトです

研究チームは、3,500万個の相変化メモリセルの34モジュールを含む14ナノメートルのアナログチップを開発しました。研究チームは、小規模ネットワーク (Google Voice Commands) とビッグネットワーク (Librispeech Speech Recognition) という 2 つの音声認識ソフトウェアを使用して、チップの言語処理能力の効率をテストし、それらを業界標準の言語と自然に比較しました。タスクの処理。小規模ネットワークのパフォーマンスと精度は、現在のデジタル テクノロジーに匹敵します。より大型の Librispeech モデルの場合、チップはワットあたり 1 秒あたり 12.4 兆回の演算が可能で、システム パフォーマンスは従来の汎用プロセッサの最大 14 倍であると推定されています

模擬AIチップの製造には300mmウェーハを使用。画像出典: Ryan Levine/Nature ウェブサイト

研究チームは、この研究は小型モデルと大型モデルの両方でアナログ人工知能技術のパフォーマンスと効率性を検証し、デジタルシステムに代わる商業的に実行可能な代替手段になることが期待されていると結論付けました

元の意味を変更する必要はありません、書き直す必要がある内容は次のとおりです:科学技術日報より引用

詳しくは公式アカウントをフォローしてください

書き換えが必要な内容は『中国科学技術情報』誌です

担当部署：中国科学技術協会 リライト後：管理責任団体は中国科学技術協会

主催団体：中国科学技術ジャーナリズム協会

コンテンツを再投稿する場合は、WeChat ID: zkxxx1999

オンライン提出プラットフォーム: www.cnkjxx.com

投稿ホットライン: 010-68003059 までお電話ください

レポートやコンテンツの協力を求める必要がある場合は、WeChat ID: 15811564659 を​​追加してご連絡ください

この雑誌は、「CNKI」、「中国雑誌コアジャーナル（セレクション）データベース」、「中国学術雑誌総合評価データベース（CAJCED）統計ソースジャーナル」、「中国雑誌全文データベース（CJFD）」に含まれています。 「中国科学技術協会、中国図書館協会（発展に関する科学的展望を解釈するための推奨書籍）」に掲載されました

以上が人工知能開発のボトルネックを突破: AI シミュレーション チップは従来のチップよりもエネルギー効率が 14 倍高いの詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。