Çin’de yapılan bir araştırma makalesi, şirket içi analog yapay zeka işleme çipi olan “ACCEL”in, NVIDIA’nın A100 ve A800 GPU’larından 3000 kat daha hızlı performans sunabildiğini ortaya koyuyor.
Çin ACCEL Analog Yapay Zeka Çipinin NVIDIA A100 ve A800’den “3000 Kat” Daha Hızlı Performans Sağladığı Bildirildi
Çin’in küresel yaptırımların etkisi altında olmasıyla birlikte, ülkenin mevcut endüstri büyüme hızını korumak amacıyla “kendi geliştirdiği” çözümlerini hızla geliştirdiği görülüyor. Çin’deki Tsinghua Üniversitesi tarafından yayınlanan bir makale, enstitünün yapay zeka hesaplama performansı için yeni bir teknik tasarladığını ve temel olarak fotonik ve analog teknolojinin gücünden yararlanan ACCEL (Tüm Analog Çip Birleştiren Elektronik ve Işık Bilgi İşlem) adlı bir çip geliştirdiğini ortaya koyuyor. olağanüstü performans sağlıyor ve ortaya çıkan rakamlar oldukça şok edici.
Yayına göre DoğaAI çipi ACCEL, saniyede 4,6 peta işlemi gerçekleştirme kapasitesine sahip; bu, gerçekten de mevcut endüstri çözümlerinin sunduğundan çok daha ileride, ancak hepsi bu değil. Çip, güç verimliliğini koruyacak şekilde tasarlandı; aksi takdirde endüstride uygulanamayacaktı. ACCEL, watt başına saniyede 74,8 peta işlem gerçekleştirebilen bir “sistemik enerji verimliliği” mimarisi kullanıyor. Dolayısıyla rakamların da gösterdiği gibi çip, yüksek bilgi işlem gücünün daha fazla güç tüketimiyle doğru orantılı olduğu endüstri trendlerinden sapıyor.
Herhangi bir gerçek zamanlı kıyaslama olmadan, bir çipi “sektörün en hızlısı” olarak etiketlemek adil olur; ancak ACCEL, sınırları test etmek için Fashion-MNIST, 3 sınıf ImageNet sınıflandırması ve hızlandırılmış video tanıma senaryolarıyla deneysel olarak karşılaştırıldı. Çipin “derin öğrenme” performansı. Sırasıyla %85,5, %82,0 ve %92,6 doğruluk sağlamayı başardı; bu da çipin geniş ölçekli endüstri uygulamalarına sahip olduğunu ve yalnızca belirli bir segmentle sınırlı olmadığını gösteriyor. Bu, ACCEL ile işleri daha heyecanlı hale getiriyor ve çipin geleceğe neler katacağını görmek için sabırsızlanıyoruz.
Şimdi ACCEL’in gerçekte nasıl çalıştığından bahsedelim. Çip, kırınımlı optik analog hesaplama (OAC) ve elektronik analog hesaplamanın (EAC) yeteneklerini ölçeklenebilirlik, doğrusal olmama ve esneklikle birleştiriyor. Bu tür verimlilik rakamlarına ulaşmak için çip, büyük ölçekli iş yüklerinde devasa ADC’leri (Analog-Dijital Dönüşümler) azaltacak şekilde tamamen analog bir optoelektronik hibrit mimariye sahiptir ve bu da çok daha iyi bir performansla sonuçlanır. Yayınlanan araştırma makalesi çipin mekanizmasını oldukça kapsamlı bir şekilde ele alıyor, dolayısıyla ona bir göz atabilirsiniz. BuradaACCEL ile işlerin nasıl yürüdüğüne dair bir fikir edinmek için.
Son teknoloji ürünü GPU olarak, iddia edilen hesaplama hızının float32 için 156 TFLOPS’a ulaştığı NVIDIA A100’ü kullandık (ref.33). İki katmanlı OAC (her OAC katmanında 400 x 400 nöron) ve tek katmanlı EAC (1.024 x 3 nöron) içeren ACCEL, deneysel olarak %82,0’lık bir test doğruluğu elde etti (Şekil 2’deki yatay kesikli çizgi). 6d,e). OAC pasif bir şekilde hesaplama yaptığından, iki katmanlı OAC’li ACCEL, gecikme ve enerji tüketiminde neredeyse hiç artış olmadan tek katmanlı OAC’li ACCEL’e göre doğruluğu artırır (Şekil 1). 6d,e, mor noktalar). Ancak yolda otomatik sürüş gibi gerçek zamanlı bir görme görevinde, GPU’nun birden fazla akışı aynı anda işleyerek bilgi işlem hızından tam olarak yararlanabilmesi için önceden birden fazla sıralı görüntü yakalayamayız.48 (örnekler Şekil 2’de kesikli çizgiler olarak verilmiştir.) 6d,e). ACCEL, sıralı görüntüleri aynı doğrulukta seri olarak işlemek için deneysel olarak kare başına 72 ns’lik bir hesaplama gecikmesi ve kare başına 4,38 nJ’lik bir enerji tüketimi elde ederken NVIDIA A100, kare başına 0,26 ms’lik bir gecikme ve 18,5 mJ’lik bir enerji tüketimi elde etti. çerçeve başına.
ACCEL ve benzeri analog yapay zeka çipi geliştirmeleri sektörü nasıl yeniden şekillendirecek? Analog tabanlı yapay zeka hızlandırıcılarının benimsenmesinin hala geleceğe yönelik bir şey olduğu göz önüne alındığında, bu soruyu şu anda yanıtlamak kolay değil. Performans rakamları ve istatistikler oldukça iyimser olsa da, dikkat edilmesi gereken önemli bir gerçek, daha fazla zaman, daha fazla mali kaynak ve derinlemesine araştırma gerektirdiği göz önüne alındığında, bunların sektörde “yayılımının” göründüğü kadar kolay olmadığıdır. iş. Ancak hiç kimse bilgisayar sektörünün geleceğinin parlak göründüğünü iddia edemez ve ana akım endüstride böyle bir performans görmemiz an meselesidir.
Haber kaynağı: Tom’un Donanımı
