رقاقة ذكاء اصطناعي عالية الأداء من آي بي إم تعزز حوسبة الشبكات العصبية

في خطوة كبيرة نحو تعزيز قدرات الذكاء الاصطناعي (AI)، قدمت مختبرات أبحاث آي بي إم أوروبا رقاقة حوسبة متطورة محسّنة للحسابات المعقدة لشبكات الأعصاب العميقة. تُظهر رقاقة الحوسبة داخل الذاكرة المختلطة الإشارة المكونة من 64 نواة اندماجاً مذهلاً بين المعالجة التناظرية والرقمية، مما يوفر أوقات حساب أسرع واستهلاكاً أقل للطاقة.

إعادة ابتكار حوسبة الذكاء الاصطناعي باستخدام الحوسبة داخل الذاكرة التناظرية

لطالما كان السعي وراء حوسبة أسرع وأكثر كفاءة في استهلاك الطاقة سمة مركزية لمهندسي الإلكترونيات لعقود من الزمان. نظراً لمتطلباتها الحسابية الكبيرة، أصبح هذا السعي أكثر إلحاحاً مع ظهور الذكاء الاصطناعي وخوارزميات التعلم العميق. تُعد الحوسبة داخل الذاكرة التناظرية (AIMC) نهجاً واعداً، يدمج بسلاسة الحساب وتخزين البيانات على رقاقة واحدة.

تكمن اختراق مختبرات أبحاث آي بي إم أوروبا في رقاقة الحوسبة داخل الذاكرة المختلطة الإشارة المكونة من 64 نواة الثورية، والتي تستفيد من أجهزة ذاكرة تغيير الطور (PCM) مع معالجات الحوسبة الرقمية. يخلق هذا المزج من المكونات التناظرية والرقمية بنية قادرة على التعامل مع الحسابات المعقدة الأساسية للشبكات العصبية العميقة.

تتكون قلب الرقاقة من 64 نواة تناظرية قائمة على PCM، تحتوي كل منها على مصفوفة متقاطعة بحجم 256×256 من خلايا الوحدات المشبكية. تم دمج محولات تناظرية إلى رقمية مدمجة صغيرة الحجم تعتمد على الوقت داخل كل نواة لتسهيل التحولات السلسة بين المعالجة التناظرية والرقمية. بالإضافة إلى ذلك، تم دمج وحدات معالجة رقمية خفيفة الوزن بشكل استراتيجي في كل نواة، للتعامل بكفاءة مع مهام مثل دوال تنشيط الخلايا العصبية الخطية المصححة (ReLU) وعمليات شبكات الذاكرة طويلة وقصيرة المدى (LSTM).

شبكة الاتصالات الرقمية مفتاح لأداء غير مسبوق

إحدى الميزات المميزة للرقاقة هي شبكة الاتصالات الرقمية، التي تربط نوى الذاكرة بوحدات المعالجة العالمية. يمكّن هذا الإعداد المبدع الرقاقة من تنفيذ الحسابات المطلوبة لطبقات الشبكة العصبية الفردية على الرقاقة نفسها، مما يؤدي إلى تقليل كبير في أوقات الحساب واستهلاك الطاقة. ونتيجة لذلك، تتفوق معايير أداء الرقاقة على نظيراتها.

في تقييم شامل، خضعت فريق مختبرات أبحاث آي بي إم أوروبا الرقاقة لاختبارات صارمة باستخدام خوارزميات التعلم العميق. كانت النتيجة مذهلة، حيث حققت الشبكات العصبية العمقة دقة مذهلة بنسبة 92.81% عند اختبارها على مجموعة بيانات الصور CIFAR-10. ومن المثير للاهتمام، أن هذا المستوى من الدقة يقف بين أعلى الدقات المبلغ عنها للرقائق التي تستخدم تقنية مماثلة، مما يؤكد فعالية نهج آي بي إم.

خطوات تمهيدية للتقدم المستقبلي

يشكل الإنجاز الأخير لـ آي بي إم خطوة محورية نحو تمكين رقاقات الحوسبة داخل الذاكرة التناظرية (AIMC) من دعم المتطلبات المعقدة لخوارزميات التعلم العميق بسلاسة. يمكن أن ي laid هذا الإنجاز الأساس لمزيد من التحسينات في بنية الرقاقة، مما قد يفتح آفاقاً لمكاسب أداء أكبر بكثير.

استناداً إلى نجاحها، تتخيل مختبرات أبحاث آي بي إم أوروبا تحسين تصميم رقاقةها. مستفيدة من الدروس المستفادة من الرقاقة الحالية ورقاقة الـ 34 بلاطة السابقة، يهدف الفريق إلى إنشاء بنية مسرعة للاستدلال بالذكاء الاصطناعي التناظري من البداية إلى النهاية. ينطوي هذا الجهد الطموح على دمج العديد من بلاطات الحوسبة داخل الذاكرة التناظرية مع نوى حوسبة رقمية متخصصة. جميعها متصلة بشبكة شبكية ثنائية الأبعاد متوازية ضخمة عالية الكفاءة. إلى جانب تقنيات التدريب الواعية بالعتاد المتطورة في السنوات الأخيرة، تطمح هذه المسرعات إلى تقديم دقة استثنائية للشبكات العصبية عبر نماذج متنوعة في المستقبل القريب.

تمثل رقاقة الحوسبة داخل الذاكرة المختلطة الإشارة المكونة من 64 نواة الثورية من مختبرات أبحاث آي بي إم أوروبا خطوة مذهلة في حوسبة الذكاء الاصطناعي. من خلال الجمع بين المعالجة التناظرية والرقمية، تُظهر الرقاقة سرعات حساب محسنة وكفاءة في استهلاك الطاقة، وهي جوانب رئيسية في الذكاء الاصطناعي والتعلم العميق. مع رؤية واعدة للمستقبل، تم تمهيد الطريق لتسريع الذكاء الاصطناعي من خلال بنية رقاقة مبتكرة.