Nuovo chip neuromorfico altamente efficiente per l’intelligenza artificiale al limite.

Il chip NeuRRAM è il primo chip di calcolo in memoria a mostrare un’ampia gamma di applicazioni utilizzando solo una piccola percentuale dell’energia consumata da altre piattaforme. NeuRRAM, un nuovo chip che esegue calcoli direttamente in memoria e può eseguire un’ampia varietà di applicazioni, è stato progettato e realizzato da un team internazionale di ricercatori. Il chip NeuRRAM avvicina l’intelligenza artificiale all’esecuzione su un’ampia gamma di dispositivi edge. Il chip NeuRRAM è due volte più efficiente dal punto di vista energetico rispetto ai chip “compute-in-memory” all’avanguardia, una classe innovativa di chip ibridi che esegue calcoli in memoria e fornisce anche risultati accurati quanto quelli convenzionali chip digitali. Il chip NeuRRAM è versatile e supporta molti diversi modelli di rete neurale. “La saggezza convenzionale è che la maggiore efficienza del calcolo in memoria va a scapito della versatilità, ma il nostro chip NeuRRAM ottiene efficienza senza sacrificare la flessibilità”, ha affermato Weier Wan, il primo autore corrispondente del documento. Mentre era alla UC San Diego, è stato co-consulente da Gert Cauwenberghs nel Dipartimento di Bioingegneria e ha lavorato al chip. Nel numero del 17 agosto di Nature, un gruppo di ricerca guidato da bioingegneri dell’Università della California a San Diego ha presentato i propri risultati. Il chip NeuRRAM potrebbe portare a dispositivi edge più robusti, più intelligenti e accessibili e a una produzione più intelligente. Uno dei problemi principali dei chip di intelligenza artificiale è lo spostamento dei dati dalla memoria alle unità di calcolo. Uno dei principali contributori a questo lavoro è stato Philip Wong, consulente di Wan a Stanford, che ha aperto la strada alla RRAM e ad altre tecnologie di memoria emergenti. Sebbene il calcolo con i chip RRAM non sia necessariamente nuovo, porta a una diminuzione dell’accuratezza dei calcoli eseguiti sul chip e a una mancanza di flessibilità nell’architettura del chip. Una metodologia accuratamente realizzata è stata la chiave del lavoro con più livelli di co-ottimizzazione. Il team si è assicurato di tenere conto di vari vincoli che andavano dalla fisica dei dispositivi di memoria ai circuiti e all’architettura di rete. Siddharth Joshi, un assistente professore di informatica e ingegneria presso l’Università di Notre Dame che ha iniziato a lavorare al progetto come PhD, ha dichiarato: “Questo chip ora ci fornisce una piattaforma per affrontare questi problemi attraverso lo stack da dispositivi e circuiti a algoritmo.” I chip digitali che eseguono il calcolo con la stessa precisione di bit ma con un drastico risparmio di energia sono simili a questi risultati. Nei precedenti lavori sui chip di calcolo in memoria, i risultati dei benchmark di intelligenza artificiale sono stati spesso ottenuti mediante simulazione software. “Possiamo fare di meglio a livello di dispositivo, migliorare la progettazione dei circuiti per implementare funzionalità aggiuntive e affrontare diverse applicazioni con la nostra piattaforma dinamica NeuRRAM”, ha affermato un assistente professore all’Università di Pittsburgh, che ha iniziato a lavorare al progetto mentre era un PhD. Wan è un membro fondatore della startup che lavora alla produzione della tecnologia compute-in-memory. In NeuRRAM è stato creato un circuito neuronale che rileva la tensione ed esegue la conversione da analogico a digitale. L’architettura NeuRRAM ha circuiti fisici intercalati. Gli ingegneri hanno creato una serie di tecniche di co-ottimizzazione degli algoritmi hardware per assicurarsi che l’accuratezza dei calcoli possa essere preservata. NeuRRAM supporta il parallelismo dei dati mappando uno strato nel modello di rete neurale su più core per l’inferenza parallela di più dati. Il lavoro è stato svolto da un team internazionale. Il team dell’UCSD ha progettato i circuiti che implementano le funzioni neurali con la RRAM per supportare le funzioni sinaptiche nel chip. Wan ha implementato il design, caratterizzato il chip, addestrato i modelli ed eseguito gli esperimenti. C’è un riferimento a un chip di calcolo in memoria.