Entwickelnde KI-Anforderungen aussortieren

Das Aufkommen der künstlichen Intelligenz (KI) wird verschiedene neue mikroelektronische Lösungen erfordern, um die sich entwickelnden Anforderungen großer Rechenzentren, „mittelgroßer“ Systeme wie autonome Fahrzeuge und Roboter sowie einer wachsenden Anzahl von mobilen Geräten, Geräten, Wearables, und noch unvorhergesehene Anwendungen. Von zentraler Bedeutung ist die Notwendigkeit, eine beispiellose Effizienz und Geschwindigkeit bei der Erfassung und Analyse von Daten zu erreichen und gleichzeitig den Stromverbrauch und den Formfaktor zu verwalten.

Im Hardwarebereich erfordert dies innovatives Denken und neue Paradigmen bei Sensoren, Prozessoren, Speicher, Verbindungen und Verpackung. Aus etablierten und aufkommenden Forschungsbemühungen beginnen sich vielversprechende Optionen zu materialisieren, die wir im Kontext von Edge-KI und anderen breiten Trends überprüfen werden. In Zukunft wird eine interdisziplinäre vorindustrielle Zusammenarbeit erforderlich sein, um aus diesen Bemühungen praktikable, herstellbare Lösungen zu schaffen.

Wir können uns den kommenden KI-Markt vorstellen, indem wir Anwendungen basierend auf Rechenleistung und Stromverbrauchsanforderungen vergleichen (Abbildung 1). Wearables haben die größten Leistungsbeschränkungen und (relativ gesehen) den niedrigsten Rechenbedarf. Rechenzentren befinden sich am anderen Ende, mit Smart Appliances, Augmented Reality, Robotern und autonomen Fahrzeugen dazwischen.

Abbildung 1. (Quelle:Leti)

Für Anwendungen auf der linken Seite eignet sich Edge AI, bei der die meisten Datenanalysen am Ort der Erfassung stattfinden. Dies ist zwar einfach zu beschreiben, erfordert jedoch ein beispielloses Maß an Sensor- und Prozessorleistung in extrem kleinen Gehäusen. Sensoren müssen sich von menschlichen Augen und Ohren inspirieren lassen und viel anpassungsfähiger werden, indem sie ihre Eigenschaften (wie den Dynamikbereich) basierend auf Kognition und lokaler Intelligenz ändern.

Anwendungen in größerem Maßstab werden unterdessen traditionelle Computerparadigmen belasten, insbesondere konstante Lese-/Schreibzyklen im Speicher, die sowohl Zeit als auch Energie verbrauchen.

Unter Berücksichtigung dieser Anforderungen hat Leti der Forschung zu intelligenten Sensoren und innovativen Computeransätzen Priorität eingeräumt.

Ein Schwerpunkt ist ein grundlegendes Problem des modernen Computings:Das Verschieben von Daten zwischen Speicher und Prozessor kostet heute viel mehr als Berechnungen, sowohl in Bezug auf Zeit als auch auf Energieverbrauch. Datenübertragung und Speicherzugriff machen bis zu 90 % des Systemenergieverbrauchs aus, und da Anwendungen wie künstliche neuronale Netze auf große Datenbanken und einfache Rechenoperationen angewiesen sind, wird die Reduzierung der Datenbewegung entscheidend.

Das Stapeln von Speicher auf Prozessoren, um die physischen Verbindungen zu verkürzen, ist Gegenstand langjähriger Forschungen von Leti zu 3D-Schaltungen. Wir verfolgen jetzt auch neue Speicherdesigns, die die Durchführung von Addition, Subtraktion und boolescher Logik innerhalb des SRAM ermöglichen. Die Flächenkosten sind vernachlässigbar und, was noch wichtiger ist, Daten verlassen nie den Speicher. Diese In-Memory-Computing (IMC)-Prozessoren haben ein großes Potenzial für Anwendungen wie neuronale Netze und Kryptographie, und wir glauben, dass sie bis in die 2020er Jahre den 100-fachen Durchsatz herkömmlicher Prozessoren für KI-Anwendungen bei gleichbleibender Frequenz und gleichem Energiebudget bieten können.