內存計算
內存計算(In-memory Computing ,簡稱IMC)似乎是EnCharge AI實現高效率和低功耗的關鍵因素。該公司在其網站上列出了2019年、2020年和2021年的四份出版物,展示了他們在改善IMC用于人工智能加速方面的研究進展。
他們最早的出版物指出,機器學習計算嚴重依賴于矩陣向量乘法(MVM),雖然數字加速器相對于普通處理器提供了10-100倍的能效和速度改進,但這些收益主要是在計算方面,而不是在內存訪問方面,即所謂的“內存墻”。在內存中來回移動數據在功耗和時間上都有很高的成本。
雖然IMC可以降低功耗和延遲,但在讀取內存位時,需要權衡更差的信噪比(SNR)。信噪比問題在異構系統中對IMC的擴展提出了挑戰,而異構系統是最有可能在實際應用中使用IMC的場景。
2020年,該研究團隊致力于解決信噪比問題,開發了一種利用charge-domin IMC的可編程異構架構和配套的軟件堆棧。原型基于65納米CMOS實現。
2021年,該團隊引入了基于電容模擬計算,以提高從二進制矢量輸入到5-b矢量輸入的動態范圍,并在協同設計算法方面取得了進展,改善了內存映射。
審核編輯:劉清
-
加速器
+關注
關注
2文章
807瀏覽量
38094 -
人工智能
+關注
關注
1796文章
47693瀏覽量
240345 -
機器學習
+關注
關注
66文章
8441瀏覽量
133094 -
MVM-SEM
+關注
關注
0文章
2瀏覽量
5482 -
IMC
+關注
關注
0文章
25瀏覽量
4643
原文標題:EnCharge AI在內存計算領域的新突破
文章出處:【微信號:SSDFans,微信公眾號:SSDFans】歡迎添加關注!文章轉載請注明出處。
發布評論請先 登錄
相關推薦
評論