Профессор Мюнхенского технического университета (TUM) Хуссам Амрух совершил прорыв в технологии создания чипов искусственного интеллекта. Его новая архитектура, использующая ферроэлектрические полевые транзисторы (FeFET), оказалась вдвое мощнее других подходов к вычислениям in-memory. Эта разработка способна значительно улучшить генеративный ИИ, алгоритмы глубокого обучения и робототехнические приложения.
Ключевым нововведением в архитектуре Амруха является интеграция хранилища данных в самих транзисторах. В отличие от предыдущих чипов, где вычисления выполнялись на транзисторах, а данные хранились в другом месте, новый подход позволяет экономить время и энергию.
"В результате повышается и производительность микросхем", - поясняет Амрух. Транзисторы, используемые в этой архитектуре, имеют размер всего 28 нанометров, и их миллионы размещены на каждом чипе. Такое повышение эффективности крайне важно для энергоемких приложений, таких как вычисления в реальном времени во время полетов беспилотников".
Успешность чипа можно оценить по его эффективности и мощности, которая представлена параметром TOPS/W (тераопераций в секунду на ватт). Этот параметр показывает, сколько триллионов операций в секунду может выполнить процессор при мощности в один ватт.
Чип искусственного интеллекта Amrouch, разработанный в сотрудничестве с Bosch и Fraunhofer IMPS при поддержке GlobalFoundries, достиг впечатляющих 885 TOPS/W. Это делает его вдвое более мощным, чем аналогичные чипы ИИ, представленные в настоящее время на рынке. Для сравнения, КМОП-чипы обычно работают в диапазоне 10-20 TOPS/W.
Архитектура чипа Амруха вдохновлена человеческим мозгом. Нейроны в мозге обрабатывают сигналы, а синапсы хранят и запоминают информацию. Благодаря использованию ферроэлектрических транзисторов (FeFET), которые могут хранить информацию даже при отключении от источника питания, чип способен одновременно обрабатывать и хранить данные внутри самих транзисторов.
Этот прорыв позволяет создавать высокоэффективные чипы, которые могут быть использованы в различных приложениях, включая глубокое обучение, генеративный ИИ и робототехнику. "Теперь мы можем создавать высокоэффективные чипсеты, которые можно использовать в таких приложениях, как глубокое обучение, генеративный ИИ или робототехника, где данные должны обрабатываться там, где они генерируются", - говорит Амрух.
ИИ-чип Амруха представляет собой значительное достижение в области ИИ-вычислений. Его повышенная мощность и эффективность открывают новые возможности для энергоемких приложений. По мере дальнейшего развития технологий такие чипы ИИ, как этот, будут играть решающую роль в формировании будущего искусственного интеллекта.
