IBM20亿美元成立新研究所优信彩票购彩大厅,进行

当地时间2月7日,美国科技巨头 IBM 宣布将在纽约州立大学和其他合作伙伴的共同努力下,在纽约建立一个新的 IBM AI 硬件中心,旨在开发下一代 AI 硬件。据彭博消息,IBM 将在这一项目中投资 20 亿美元。

图1:IBM Research AI硬件中心制定的一个路线图,在未来十年内将AI计算性能效率提高1000倍,并提供数字AI核心和模拟AI核心管道。

此外,这一项目还获得了当地政府的支持,据美国媒体 The Journal News 报道,纽约帝国开发公司 (Empire State Development Corporation. ESDC)将在 5 年内提供 3 亿美元资金用于该硬件中心的设备采购和安装。纽约州州长 Andrew Cuomo 出席了宣布仪式并在一份声明中表示“与 IBM 的合作将有助于纽约在开发新技术方面处在最前沿”。

Mukesh Khare提到将深度神经网络映射到模拟交叉点阵列。它们在阵列交叉点处具有非易失性存储器材料以存储权重。

该硬件研究中心将建在纽约大学理工学院的校园内,研究重心包括计算芯片研究、开发、原型设计和测试。

机器学习快速增长的一个原因是GPU的可用性。这些设备虽然最初用于图形处理,但具有大量MAC和高速存储器接口。它们可以比通用CPU更快地执行必要的计算。缺点是GPU倾向于使用浮点算法,这远远超出了AI算法的需要。但是,大多数研究都因此使用了浮点数。

IBM 认为,下一代的 AI 处理器的设计、开合和优化需要借助不同参与方的独特优势,合作开发跨学科的方法。新的 AI 硬件中心将与 IC 设计商、半导体供应商、AI 从业者共同协作,拓展 AI 在解决更广泛的复杂问题方面的表现。

优信彩票购彩大厅 1

IBM 在声明中表示,开放的生态系统、合作伙伴关系是推动 AI 软件和硬件创新发展的关键。其合作伙伴包括了三星、半导体及互联产品供应商 Mellanox Technologies、自动化软件供应商新思科技、半导体设备商应用材料公司(Applied Materials)和东京电子。

图2:非易失性存储器的交叉开关阵列可以通过在数据位置处执行计算来加速完全连接的神经网络的训练。

在学术机构方面,新的研究所除了与纽约州立大学理工学院进行合作,还将与伦斯勒理工学院计算创新中心共同在人工智能和计算方面开展学术合作。

IBM研究院的半导体和人工智能硬件副总裁Mukesh Khare表示,目前的机器学习限制可以通过使用新的处理硬件来打破,例如:

优信彩票购彩大厅 2

可以对传统的冯·诺依曼架构进行改进。“微控制器性能的不断提高以及图书馆和中间件的增加,以支持机器学习,有助于推理引擎远离云端,更接近网络边缘,”营销项目高级主管Rhonda Dirvin说道。为了武器汽车和物联网业务。“通过这种迁移,可以更好地利用声音识别,物体识别和电机健康振动监测等数据。随着数据变得更有用,将收集更多数据。收集数据意味着通过混合信号IC实现我们的模拟世界并将其转换为数字。新的信号处理功能已经添加到现代MCU中,允许在基于Arm的MCU上以数字方式完成信号处理,例如,不需要为许多应用提供额外的DSP。

IBM 研究院半导体研究副总裁 Mukesh Khare 在声明中表示,开发一个满足深度学习需求的系统非常关键,而随着算法的复杂性越来越高,AI 系统对处理能力的要求也越来越高。Khare 进一步表示,在如今狭隘人工智能(narrow AI)不断成熟的过程中,硬件发挥着基础性的作用。IBM 与纽约州和其他合作伙伴的共同努力将为下一代 AI 系统的开发铺平道路。

优信彩票购彩大厅 3

这使可变性成为一个大问题。如果模拟电路用于推理,结果可能不是确定性的,并且更可能受到热量,噪声或其他外部因素的影响,而不是数字推理引擎。

模拟存储器芯片内部的计算

业内有些人士同意。“由于其高功耗和外形尺寸,数字AI ASIC可能不是物联网边缘计算的理想解决方案,”Alchip的美国总经理Hiroyuki Nagashima说。“混合信号机器学习,受人类大脑的启发,应该在未来的世界中发挥重要作用。我们是否能够构建一台能像人脑一样感知,计算和学习的机器,并且只消耗几瓦的功率?这是一个相当大的挑战,但科学家们应该朝着这个方向努力。“

最新的谷歌TPU,一种针对机器学习的芯片,包含65,536个8位MAC块,功耗非常大,芯片必须采用水冷却。鉴于技术扩展正在放缓,我们不能指望增加集成到芯片上的MAC数量,除非进一步减少位数。

我们看一下不久前IBM关于模拟AI的一篇博客文章,可以了解一下模拟AI推理的实现原理,文章指出通过使用基于相变存储器(Phase-Change Memory,简称PCM)的模拟芯片,机器学习可以加速一千倍。

模拟芯片可能是人工智能某些方面未来发展的关键

IBM Research AI硬件中心合作伙伴涵盖半导体全产业链上的公司,包括IBM制造和研究领域的战略合作伙伴三星,互联解决方案公司Mellanox Technologies,提供仿真和原型设计解决方案软件平台提供商Synopsys,半导体设备公司Applied Materials和Tokyo Electron Limited。

新的计算概念很重要。“我们的想法是,这些东西可以在一个时间步长内对完全连接的神经网络层进行多次累积,”IBM研究院主要RSM的Geoffrey W. Burr解释道。“否则,在一系列处理器上需要花费一百万个时钟,你可以在模拟域中使用数据位置的基础物理。在时间和精力方面,它有足够严重的有趣方面,它可能会在某个地方。“

但模拟可以在这个领域有一些显着的优势。当数字出错时,它可能会出现灾难性错误,而模拟能够更好地容忍错误。“ 神经网络很脆弱,”IBM研究中心主任Dario Gil在2018年设计自动化大会期间的一个小组中说道。 “我们一直在研究相变存储器,我们已经制造出具有超过一百万个PCM元件的芯片,并证明您可以实现深度学习培训,与传统GPU相比,具有相似的精度水平,可实现500倍的改进,”Gil说。“我们还有一个混合精密系统,所以它的一些可能是低精度但使用PCM矩阵阵列非常有效,但你也有一些高精度逻辑,能够微调并获得一些计算所需的任意精度。 ”

“模拟非易失性存储器可以有效地加速”反向传播(Backpropagation)“算法,这是许多最新AI技术进步的核心。这些存储器允许使用基础物理学在这些算法中使用的“乘法-累加”运算在模拟域中,在权重数据的位置处并行化。

图3:我们的模拟AI内核是性能效率内存计算方法的一部分,通过消除与内存之间的数据传输来突破所谓的冯·诺伊曼结构瓶颈,从而提高了性能。深度神经网络被映射到模拟交叉点阵列,并且切换新的非易失性材料特性以在交叉点中存储网络参数。

博客正文:

这需要更好的模数转换器。“将模拟传感器输入转换为数字信号需要ADC,”Microchip Technology混合信号和线性器件部高级技术人员工程师Youbok Lee说。“然后使用利用数字机器学习块的AI算法处理该数字信号。随着机器学习应用的普及,将需要更节能的自适应混合信号模拟前端设备。“

本文由优信彩票购彩大厅发布于互联网资讯,转载请注明出处:IBM20亿美元成立新研究所优信彩票购彩大厅,进行

您可能还会对下面的文章感兴趣: