Пекине во второй половине дня 28 февраля, по данным MIT News, сообщается, что исследователи MIT разработали высокопроизводительный чип, который можно использовать для нейронных сетевых вычислений, Чип может обрабатывать в семь раз большую скорость других процессоров, требуя на 94-95% меньше мощности, чем другие чипы, и в будущем такие чипы, скорее всего, будут использоваться на мобильных устройствах, работающих с нейронными сетями или Интернет всего оборудования.
Авишек Бисвас, аспирант по электротехнике и вычислительной науке в Массачусетском технологическом институте, лидер в разработке этого проекта, сказал: «Общий режим работы процессора таков, что некоторые из чипов Часть памяти помещается, она будет перемещать данные взад и вперед в этих ячейках памяти по мере проведения расчетов. Поскольку алгоритмы машинного обучения требуют большого вычислительного усилия, они потребляют много энергии при перемещении данных вперед и назад, но на самом деле эти алгоритмы Вычисления могут быть сведены к определенной операции, называемой точечным продуктом. Идея состоит в том, что мы можем развернуть эту функцию точечного продукта в памяти, исключая необходимость постоянного перемещения Эти данные?
Микросхема преобразует вход узла в напряжение, которое затем преобразуется в цифровую форму для хранения и последующей обработки. Этот подход позволяет чипу вычислять точечный продукт из 16 узлов за один шаг без необходимости перемещения данных между памятью и процессором. MIT News считает, что этот подход ближе к работе в человеческом мозге путь.
Biswos будет рассказывать о том, как чип работает в документе, который будет представлен во время Международной конференции по твердым контурам, а также его соавторами диссертации, MIT Engineering College Дин Ананта Чандракасан и Ванневар Буш, профессор электротехники и информатики в Массачусетском технологическом институте.
В декабре прошлого года генеральный директор SensibleVision Джордж Бростофф опубликовал гостевой пост в биометрическом обновлении, в котором продемонстрирован потенциал пользовательских процессоров для мобильных устройств С тех пор FWDNXT также объявила о том, что они разработают процессоры с малой мощностью, которые используют глубокие нейронные сети для распознавания и классификации изображений, и, кроме того, ARM также объявила о том, что она будет разрабатывать инструменты для машинного обучения и распознавания объектов чип.
