::: reklama@pbprog.kz
::: editor@pbprog.kz
::: webmaster@pbprog.kz
Разработана гибридная технология памяти для работы с ИИ
Проект под руководством CEA-Leti, в котором участвовали ученые из нескольких французских исследовательских центров в области микроэлектроники, продемонстрировал, что можно выполнять обучение на кристалле с конкурентоспособной точностью, не прибегая к обновлениям вне кристалла и сложным внешним системам. Инновация команды позволяет периферийным системам и устройствам, таким как беспилотные автомобили, медицинские датчики и промышленные мониторы, обучаться на основе поступающих реальных данных, адаптируя модели на лету и при этом строго контролируя энергопотребление и износ оборудования.
Искусственный интеллект на периферии требует как логического вывода (считывания данных для принятия решений), так и обучения (обновления моделей на основе новых данных). Но до сих пор технологии памяти хорошо справлялись только с одной задачей.
- Мемристоры (резистивные модули оперативной памяти) отлично подходят для логического вывода, поскольку могут хранить аналоговые веса, энергоэффективны при операциях чтения и поддерживают вычисления в оперативной памяти.
- Сегнетоэлектрические конденсаторы (FeCAPs) позволяют быстро обновлять данные с минимальными затратами энергии, но операции считывания в них являются деструктивными, что делает их непригодными для логического вывода.
В результате разработчикам аппаратного обеспечения приходится выбирать между выводом данных и передачей обучения в облако, с одной стороны, и попытками обучения с высокими затратами и ограниченной продолжительностью — с другой.
Основная идея команды исследователей заключалась в том, что, хотя аналоговая точность мемристоров достаточна для логического вывода, её недостаточно для обучения, которое требует небольших постепенных корректировок веса.
«Вдохновившись квантованными нейронными сетями, мы применили гибридный подход: при прямом и обратном проходах используются низкоточные весовые коэффициенты, хранящиеся в аналоговом виде в мемристорах, а обновления выполняются с помощью высокоточных FeCAP. Мемристоры периодически перепрограммируются на основе наиболее значимых битов, хранящихся в FeCAP, что обеспечивает эффективное и точное обучение», — сказал Микеле Мартемуччи, ведущий автор статьи.
Команда разработала единый стек памяти из оксида гафния, легированного кремнием, с титановыми поглощающими слоями. Это двухрежимное устройство может работать как ферроэлектрический конденсатор или мемристор, в зависимости от того, как оно «сформировано» электрически.
- Один и тот же блок памяти может использоваться для точного цифрового хранения данных о весе (обучение) и аналогового выражения веса (вывод), в зависимости от его состояния.
- Метод цифро-аналогового преобразования, не требующий использования формального ЦАП, преобразует скрытые веса в FeCAP в уровни проводимости в мемристорах.
Это оборудование было изготовлено и протестировано с использованием стандартной 130-нм КМОП-технологии, объединяющей оба типа памяти и периферийные схемы на одном чипе.