高性能AIチップ：IBMがニューラルネットワーク計算を強化

人工知能（AI）の能力を前進させるための重要な一歩として、IBM Research Europe は複雑なディープニューラルネットワーク計算に最適化された最先端のコンピューティングチップを導入した。新しい64コアの混合信号メモリ内コンピューティングチップは、アナログとデジタル処理の驚異的な融合を示し、計算時間の短縮とエネルギー消費の削減を実現している。

アナログメモリ内コンピューティングでAIコンピューティングを革命化する

何十年もの間、より速く、よりエネルギー効率的なコンピューティングを追求することは、エレクトロニクスエンジニアの中心的なテーマであった。その大きな計算要件を考慮すると、この探求はAIとディープラーニングアルゴリズムの登場により、さらに緊迫したものとなっている。アナログメモリ内コンピューティング（AIMC）は、計算とデータストレージを単一のチップにシームレスに統合する有望なアプローチである。

IBM Research Europeのブレークスルーは、位相変化メモリ（PCM）デバイスとデジタルコンピューティングプロセッサを活用した革命的な64コアの混合信号メモリ内コンピューティングチップにある。このアナログとデジタルのコンポーネントの融合は、ディープニューラルネットワークに不可欠な複雑な計算に取り組むことができるアーキテクチャを生み出す。

チップの心臓部は、それぞれ256×256のシナプスユニットセルのクロスバーアレイを収容する64のアナログPCMベースのコアで構成されている。アナログとデジタル処理間のスムーズな遷移を促進するために、コンパクトな時間ベースのアナログ-デジタルコンバータが各コアに埋め込まれている。さらに、軽量なデジタル処理ユニットが各コアに戦略的に統合され、整流線形ユニット（ReLU）ニューラル活性化関数や長短期記憶（LSTM）ネットワーク操作などのタスクを効率的に処理する。

デジタル通信ネットワークが前例のないパフォーマンスの鍵

チップの顕著な特徴の一つは、メモリコアとグローバル処理ユニットを相互接続するデジタル通信ネットワークである。この巧妙な構成により、チップは個々のニューラルネットワーク層に必要な計算をオンチップで実行でき、計算時間とエネルギー消費が大幅に削減される。その結果、チップのパフォーマンスベンチマークは同時代のチップを上回る。

包括的な評価において、IBM Research Europeのチームは、ディープラーニングアルゴリズムを使用してチップを厳格なテストにかけた。その結果は顕著で、CIFAR-10画像データセットでのテストにおいて、ディープニューラルネットワークが92.81%という驚異的な精度を達成した。注目すべきは、この精度レベルは同様の技術を採用するチップの中で報告されている最高水準のうちの1つであり、IBMのアプローチの有効性を裏付けている。

将来の進歩への足がかり

IBMの最近の成果は、AIMCチップがディープラーニングアルゴリズムの複雑な要件をシームレスにサポートできるようにするための重要な一歩を示している。この達成は、チップアーキテクチャのさらなる強化の基盤を築き、さらに大きなパフォーマンスの向上の可能性を開く可能性がある。

その成功に基づき、IBM Research Europeはチップ設計の改良を構想している。現在のチップと以前の34タイルチップから教訓を引き出し、チームはエンドツーエンドのアナログAI推論アクセラレータアーキテクチャの作成を目指している。この野心的な取り組みには、多数のアナログメモリ内コンピューティングタイルを特殊化されたデジタル計算コアと統合することが含まれる。これらはすべて、非常に効率的な大規模並列2Dメッシュネットワークを介して相互接続されている。近年開発された洗練されたハードウェア対応トレーニング技術と併せて、これらのアクセラレータは、近い将来、多様なモデル across で卓越したニューラルネットワーク精度を提供することを目的としている。

IBM Research Europeの画期的な64コアの混合信号メモリ内コンピューティングチップは、AIコンピューティングにおける顕著な進歩を表している。アナログとデジタル処理を組み合わせることで、このチップはAIとディープラーニングにおける重要な側面である計算速度とエネルギー効率の向上を示している。将来への有望なビジョンを掲げ、革新的なチップアーキテクチャを通じたAI加速への道が開かれている。