Хуссам Амруш представил инновационную архитектуру искусственного интеллекта, которая в два раза превосходит аналогичные подходы к вычислениям в памяти. Согласно публикации в журнале Nature, профессор Мюнхенского технического университета (TUM) внедряет новую вычислительную парадигму с использованием специальных схем, известных как сегнетоэлектрические полевые транзисторы (FeFET). В перспективе это может оказаться весьма полезным для генеративного искусственного интеллекта, алгоритмов глубокого обучения и приложений в области робототехники.

Основная концепция заключается в том, что, в отличие от предыдущих чипов, где транзисторы использовались исключительно для вычислений, они теперь также служат местом для хранения данных. Этот подход снижает затраты времени и энергии.

Транзисторы, где проводятся вычисления и хранятся данные, имеют размер всего 28 нанометров, и в каждом новом чипе искусственного интеллекта размещены миллионы таких транзисторов. Чипы будущего должны быть более быстрыми и эффективными по сравнению с предыдущими, при этом не перегреваться слишком быстро. Это особенно важно для поддержки вычислений в реальном времени, например, в случае полета дрона.

Эти критические требования к чипу суммируются в параметре TOPS/W: "тераопераций в секунду на ватт". Этот параметр можно рассматривать как валюту будущих чипов, измеряя количество триллионов операций (ТОП), которые процессор может выполнить в секунду (С), потребляя один ватт (Вт).

Новый чип искусственного интеллекта, созданный в сотрудничестве с компаниями Bosch и Fraunhofer IMPS, и произведенный с участием американской компании GlobalFoundries, обеспечивает производительность на уровне 885 TOPS/Вт. Это в два раза превосходит мощность аналогичных чипов искусственного интеллекта, включая чип MRAM от Samsung. Сравнительно, существующие чипы CMOS работают в диапазоне 10–20 TOPS/Вт, как показано в опубликованных в Nature результатах исследований.

Исследователи черпают вдохновение из современной архитектуры чипов, представленной в человеческом мозге, где нейроны выполняют вычисления, а синапсы сохраняют информацию. Для этого применяются "сегнетоэлектрические" (FeFET) транзисторы, электронные переключатели с особыми характеристиками, такими как переполяризация полюсов при подаче напряжения, и способные сохранять информацию даже при отключении питания. Кроме того, они обеспечивают одновременную обработку и хранение данных внутри транзисторов.

Теперь мы можем создавать эффективные наборы микросхем для таких приложений, как глубокое обучение, генеративный искусственный интеллект или робототехника, особенно там, где необходимо обрабатывать данные на месте их создания.

Главная цель — использовать чип для выполнения алгоритмов глубокого обучения, распознавания объектов в космосе или обработки данных от дронов в полете без задержек. Однако профессор из Института робототехники и искусственного интеллекта при Техническом университете Мюнхена считает, что пройдет еще несколько лет, прежде чем станут доступны первые чипы оперативной памяти, пригодные для реальных приложений. Одной из причин этого, помимо прочего, являются строгие требования промышленной безопасности, необходимые для широкого применения такой технологии, например, в автомобильной промышленности.