重新思考微芯片的设计将计算推向了边缘

响应人工智能对计算机网络的爆炸性需求，普林斯顿大学的研究人员近年来已从根本上提高了速度，并大幅削减了专用AI系统的能耗。现在，研究人员通过创建共同设计的硬件和软件使设计人员将这些新型系统融合到他们的应用程序中，从而将创新技术推向更广泛的应用。

普林斯顿大学电气与计算机工程教授，研究团队的负责人纳文·维尔玛说：“软件是实现新硬件的关键部分。” “希望设计人员可以继续使用相同的软件系统，并使它的运行速度提高十倍或提高十倍。”

通过减少电力需求和从远程服务器交换数据的需求，使用普林斯顿技术制造的系统将能够将人工智能应用(例如，用于无人机或高级语言翻译器的飞行员软件)带到计算基础架构的最前沿。

“要使AI能够被我们周围的实时且经常是个人的流程访问，我们需要通过将计算本身移到边缘来解决延迟和隐私问题，”大学Keller创新中心主任Verma说。工程教育。“这既需要能源效率，又需要性能。”

两年前，普林斯顿大学的研究小组制造了一种新芯片，旨在提高神经网络的性能，这是当今人工智能的本质。该芯片的性能比其他先进的微芯片好几十到数百倍，这标志着几项措施的革命性方法。实际上，该芯片与用于神经网络的任何东西都非常不同，以至于对开发人员构成了挑战。

Verma在2018年的一次采访中说：“该芯片的主要缺点是它使用了非常不寻常且具有破坏性的架构。” “这需要与我们今天拥有和使用的大量基础架构和设计方法相协调。”

新芯片基于模拟计算，它使用电路模拟要求解的方程，而不是像数字计算机那样生成1和0。图片来源：贾洪阳/普林斯顿大学

在接下来的两年中，研究人员致力于优化芯片并创建一个软件系统，以使人工智能系统能够利用新芯片的速度和效率。在2月22日举行的国际固态电路虚拟会议上，主要作者贾宏阳(Verma研究实验室的研究生)描述了新软件如何使新芯片能够与不同类型的网络配合使用并允许系统在硬件和软件执行方面均具有可扩展性。

Verma说：“它可以在所有这些网络上进行编程。” “网络可以很大，也可以很小。”

Verma的团队开发了新芯片，以应对对人工智能的不断增长的需求以及AI对计算机网络的负担。允许机器模仿认知功能(例如学习和判断)的人工智能在新技术(例如图像识别，翻译和自动驾驶汽车)中起着至关重要的作用。理想情况下，诸如无人机导航之类的技术的计算将基于无人机本身，而不是基于远程网络计算机。但是数字微芯片的功率需求和对内存存储的需求会使设计这样的系统变得困难。通常，该解决方案将大部分计算和内存放在远程服务器上，该远程服务器与无人机进行无线通信。但这增加了对通信系统的需求，并引入了安全性问题和向无人机发送指令的延迟。

为了解决这个问题，普林斯顿大学的研究人员以多种方式重新考虑了计算。首先，他们设计了一种芯片，该芯片可以进行计算并将数据存储在同一位置。这项称为内存计算的技术大大减少了与专用内存交换信息所消耗的精力和时间。该技术提高了效率，但是却带来了新的问题：由于它将两种功能塞入一个很小的区域，因此内存中的计算依赖于模拟操作，该操作对诸如电压波动和温度尖峰之类的信号源的损坏敏感。为了解决这个问题，普林斯顿大学的团队使用电容器而不是晶体管设计了芯片。电容器可以存储电荷，可以更高精度地制造，并且不受电压变化的影响很大。

但是，即使在使模拟操作变得强大之后，仍然存在许多挑战。模拟内核需要有效地集成到大多数数字架构中，以便可以与实际使实际系统正常工作所需的其他功能和软件结合在一起。数字系统使用断开和接通开关来表示计算机工程师用来编写构成计算机程序的算法的一和零。模拟计算机采用完全不同的方法。哥伦比亚大学教授Yannis Tsividis在IEEE Spectrum上的一篇文章中将模拟计算机描述为一种物理系统，旨在通过与程序员想要解决的方程相同的方程式进行控制。例如，算盘是一台非常简单的模拟计算机。

在第二次世界大战期间，模拟计算是主导技术。它被用来执行从预测潮汐到指挥舰炮的功能。但是模拟系统的构建很麻烦，并且通常需要训练有素的操作员。在晶体管出现紧急情况之后，数字系统被证明更加有效和适应性强。但是新技术和新电路设计使工程师可以消除模拟系统的许多缺点。对于神经网络等应用，模拟系统具有真正的优势。现在的问题是如何将两个方面的优点结合起来。Verma指出，这两种系统是互补的。数字系统起着核心作用，而使用模拟的神经网络芯片可以非常快速有效地运行专门的操作。这就是为什么开发可以无缝高效地集成这两种技术的软件系统是至关重要的一步。

他说：“我们的想法不是将整个网络都放在内存计算中。” “您需要集成能力来完成所有其他工作，并以可编程方式进行。”

　　免责声明：本文由用户上传，与本网站立场无关。财经信息仅供读者参考，并不构成投资建议。投资者据此操作，风险自担。 如有侵权请联系删除！