В результате повышается и производительность чипов, — говорит Хуссам Амрух, профессор кафедры проектирования процессоров искусственного интеллекта Мюнхенского технического университета (TUM).

Транзисторы, на которых он выполняет вычисления и хранит данные, имеют размер всего 28 нанометров, а в каждом из новых ИИ-чипов их размещены миллионы». Чипы будущего должны быть быстрее и эффективнее предыдущих. Соответственно, они не смогут так же быстро нагреваться. Это необходимо для поддержки таких приложений, как, например, расчеты в реальном времени при полете беспилотника. «Подобные задачи чрезвычайно сложны и энергоемки для компьютера», — поясняет профессор.

Современные микросхемы: много шагов, низкое энергопотребление

Эти ключевые требования к чипу математически выражаются параметром TOPS/W или тераопераций в секунду на ватт.

Этот параметр можно рассматривать как валюту для чипов будущего. Вопрос заключается в том, сколько триллионов операций (TOP) может выполнить процессор в секунду (S) при мощности в один ватт (W). Новый ИИ-чип, разработанный в сотрудничестве Bosch и Fraunhofer IMPS и поддерживаемый в процессе производства американской компанией GlobalFoundries, способен выполнять 885 TOPS/W.

Это делает его вдвое более мощным по сравнению с аналогичными чипами ИИ, включая чип MRAM компании Samsung. Широко используемые в настоящее время КМОП-чипы работают в диапазоне 10-20 TOPS/W. Об этом свидетельствуют результаты, недавно опубликованные в журнале Nature.

Вычисления в памяти работают как человеческий мозг

Принцип работы современной архитектуры микросхем исследователи позаимствовали у человека.

В мозге нейроны обрабатывают сигналы, а синапсы способны запоминать эту информацию, — говорит Амрух, рассказывая о том, как люди способны учиться и вспоминать сложные взаимосвязи.

Для этого в чипе используются «ферроэлектрические» (FeFET) транзисторы. Это электронные переключатели, обладающие специальными дополнительными характеристиками (переключение полюсов при подаче напряжения) и способные сохранять информацию даже при отключении от источника питания.

Кроме того, они обеспечивают одновременное хранение и обработку данных внутри транзисторов.

Теперь мы можем создавать высокоэффективные чипсеты, которые можно использовать, например, в таких приложениях, как глубокое обучение, генеративный ИИ или робототехника, где данные необходимо обрабатывать там же, где они генерируются, — считает Амрух.

Для создания готовых к продаже чипов потребуется междисциплинарное сотрудничество

Цель состоит в том, чтобы использовать чип для запуска алгоритмов глубокого обучения, распознавания объектов в космосе или обработки данных с беспилотников в полете без временной задержки. Однако профессор из интегрированного Мюнхенского института робототехники и машинного интеллекта (MIRMI) при TUM считает, что до достижения этой цели пройдет несколько лет.

По его мнению, до появления первых чипов с памятью, пригодных для реального применения, пройдет не более трех-пяти лет. Причина этого, в частности, кроется в требованиях промышленности к безопасности. Для того чтобы подобная технология могла быть использована, например, в автомобильной промышленности, недостаточно только ее надежного функционирования.

Она также должна отвечать специфическим критериям данной отрасли.

Это еще раз подчеркивает важность междисциплинарного сотрудничества с исследователями из различных областей, таких как информатика, информатика и электротехника, — заключает эксперт по аппаратному обеспечению Амрух.

Он считает это особой сильной стороной MIRMI.