Calcul analogique en mémoire : AnalogAI adopte memBrain
Robots, drones ou véhicules qui doivent s’adapter en temps réel à leur environnement posent une double contrainte aux architectes de processeurs IA : exécuter l’inférence localement et, si possible, poursuivre l’apprentissage sur le terrain, le tout dans une enveloppe énergétique serrée. Pour ses premiers processeurs d’IA en périphérie, la société AnalogAI a retenu l’IP matérielle neuromorphique memBrain SAGE (Synaptic Analog Generative Engine) de Silicon Storage Technology (SST), filiale de Microchip Technology. Ce choix s’appuie sur le calcul analogique en mémoire, une approche qui rapproche le traitement du stockage des poids du réseau.
Entraînement et inférence simultanés sur le dispositif
Les processeurs Edge AI d’AnalogAI intègrent un algorithme propriétaire optimisé en fonction des capacités du matériel, conçu pour entraîner des modèles et exécuter simultanément des inférences dans des environnements réels. L’objectif est de permettre aux appareils de s’adapter en temps réel à des changements soudains de leur environnement.
Les applications visées incluent les robots humanoïdes, les drones et les véhicules capables de s’adapter à leur environnement. Pour AnalogAI, l’IP memBrain SAGE sert de moteur d’inférence central dans ces premiers produits.
Du calcul analogique en mémoire à 1 W ou moins
L’IP memBrain SAGE doit offrir à AnalogAI des performances élevées en calcul analogique en mémoire (aCIM) pour une consommation inférieure ou égale à 1 W. Elle repose sur la technologie SuperFlash de SST et s’articule autour de l’élément logique TILE (Tensor In-Memory Logic Element) et d’une cellule binaire ESF3 capable de stocker jusqu’à 8 bits par cellule avec une consommation de l’ordre du nanoampère.
Le bloc comprend également la matrice, les décodeurs et les circuits de commande propres à memBrain, des convertisseurs numérique-analogique et analogique-numérique optimisés, un sommateur et un circuit de polarisation haute tension, une logique de commande des cellules à l’échelle du nanoampère ainsi que des circuits de test propriétaires. SST fournit en outre la documentation technique, les modèles de simulation et un accompagnement pour l’intégration complète de l’IP.
Un choix fondé sur la maturité silicium
Selon Jaejun Lee, directeur général d’AnalogAI, l’entreprise a passé en revue les offres disponibles sur le marché avant de retenir memBrain SAGE, dont la fiabilité a été démontrée sur silicium, afin de réduire son temps de développement tout en respectant les exigences de très faible consommation et de performances de son segment.
Mark Reiten, vice-président de l’activité Intelligent Computing chez Microchip, souligne que l’IP apporte à la fois les performances de calcul et l’efficacité énergétique requises par AnalogAI, qui devient le dernier titulaire de licence en date de la technologie memBrain.
40 et 28 nm aujourd’hui, 22 nm en feuille de route
L’IP memBrain SAGE a été développée et déployée sur des procédés de fonderie en 40 nm et 28 nm, avec une mémoire SuperFlash prête pour la production ; la feuille de route prévoit une déclinaison en 22 nm. Mémoire non volatile embarquée, SuperFlash est utilisée dans les applications qui exigent des temps d’accès courts, une endurance élevée et une rétention des données sans mémoire externe.
Les clients intéressés par l’IP memBrain et la technologie SuperFlash sont invités à consulter le site de SST ou à contacter un responsable commercial régional, tandis que les produits d’AnalogAI sont présentés sur le site de la société.
Si vous explorez des architectures d’inférence embarquée sous 1 W, l’adoption de memBrain SAGE par AnalogAI vous donne un exemple concret d’IP de calcul analogique en mémoire déjà validée sur silicium. Surveillez en particulier l’arrivée annoncée du nœud 22 nm.
Si vous avez apprécié cet article, vous aimerez les suivants : ne les manquez pas en vous abonnant à :