<\/p>\n
\u00a0 window.dataLayer = window.dataLayer || [];<\/p>\n
\u00a0 function gtag(){dataLayer.push(arguments);}<\/p>\n
\u00a0 gtag(‘js’, new Date());\u00a0 gtag(‘config’, ‘UA-160857065-1’);<\/p>\n
Imec en Belgique a d\u00e9velopp\u00e9 une puce d’\u00e9valuation utilisant une nouvelle technique qui r\u00e9duit consid\u00e9rablement la consommation des syst\u00e8mes AI edge d’apprentissage automatique.<\/span><\/p>\n L’architecture Analog in Memory Computing (AiMC) utilise des cellules de m\u00e9moire modifi\u00e9es pour traiter les donn\u00e9es dans des r\u00e9seaux de neurones form\u00e9s pour l’IA edge (\u00e0 la p\u00e9riph\u00e9rie du r\u00e9seau) avec une efficacit\u00e9 \u00e9nerg\u00e9tique de 2900 TOPS\/W.<\/span><\/p>\n \u00abNous avons construit une cellule de calcul sp\u00e9ciale o\u00f9 vous \u00e9conomisez de l’\u00e9nergie en r\u00e9duisant les transferts num\u00e9riques\u00bb, a d\u00e9clar\u00e9 Diederik Verkest, directeur de programme d’apprentissage automatique chez imec. \u00ab\u00a0En fonction de la largeur d’impulsion sur la ligne d’activation [de la cellule], vous obtenez la somme des poids sur le [convertisseur analogique-num\u00e9rique] CAN avant de poursuivre les calculs num\u00e9riques\u00a0\u00bb, a-t-il d\u00e9clar\u00e9.<\/span><\/p>\n \u00ab\u00a0Dans cette puce, nous travaillons avec des poids \u00e0 3 niveaux. Un poids peut \u00eatre -1, 0 ou 1 et nous utilisons deux cellules SRAM pour stocker ce niveau de poids. La cellule de calcul est un circuit analogique avec quelques transistors suppl\u00e9mentaires plac\u00e9s au dessus\u00a0\u00bb de ces deux cellules SRAM \u00ab\u00a0, at-il dit. \u00ab\u00a0Cela produit un signal analogique proportionnel \u00e0 la multiplication du poids \u00e0 3 niveaux stock\u00e9 et le signal d’activation (la sortie du CNA). Donc \u00e0 proprement parler, le poids \u00e0 3 niveaux est stock\u00e9 de fa\u00e7on num\u00e9rique mais tout le calcul se fait dans le domaine analogique. \u00ab\u00a0<\/span><\/p>\n \u00abLe passage en production r\u00e9ussi de AnIA (<\/span>Analog Inference Accelerator<\/span>) marque une \u00e9tape importante vers la validation de l’analogique en calcul m\u00e9moire (AiMC)\u00bb, a-t-il ajout\u00e9. \u00abL’impl\u00e9mentation de r\u00e9f\u00e9rence montre non seulement que les calculs analogiques en m\u00e9moire sont possibles en pratique, mais \u00e9galement qu’ils atteignent une efficacit\u00e9 \u00e9nerg\u00e9tique dix \u00e0 cent fois meilleure que les acc\u00e9l\u00e9rateurs num\u00e9riques. De notre point de vue, il s’agissait d’une \u00e9tape importante dans le programme d’apprentissage automatique pour montrer qu’un calcul analogique peut avoir la m\u00eame pr\u00e9cision que le calcul num\u00e9rique \u00bb<\/span><\/p>\n La puce de test Analog Inference Accelerator (AnIA) a \u00e9t\u00e9 construite sur le proc\u00e9d\u00e9 basse consommation FD-SOI 22 nm de Global Foundries dans son usine de Dresde, en Allemagne. La puce mesure 4 mm2 avec 1024 signaux d’entr\u00e9e et 512 sorties avec des performances similaires aux unit\u00e9s de traitement graphique (GPU) d’aujourd’hui. Il a montr\u00e9 la m\u00eame pr\u00e9cision qu’une impl\u00e9mentation num\u00e9rique \u00e0 1% pr\u00e8s, mais avait une efficacit\u00e9 \u00e9nerg\u00e9tique de 2900 TOPS\/W. La combinaison d’une faible consommation et d’un faible co\u00fbt ouvre des opportunit\u00e9s pour la reconnaissance et la d\u00e9tection d’images par IA edge dans le mat\u00e9riel embarqu\u00e9.<\/span><\/p>\n \u00abLe calcul analogique est une nouvelle fronti\u00e8re ph\u00e9nom\u00e9nale car il vous permet de r\u00e9duire le mouvement des donn\u00e9es et cela va devenir une technologie usuelle\u00bb, a d\u00e9clar\u00e9 Hiren Majmudar, vice-pr\u00e9sident de la gestion des produits pour les infrastructures informatiques et c\u00e2bl\u00e9es chez GF.<\/span> \u00e0 suive: Puce d’\u00e9valuation IA Edge<\/span><\/p>\n \u00abCette puce de test est une \u00e9tape cruciale pour montrer \u00e0 l’industrie comment le 22FDX peut r\u00e9duire consid\u00e9rablement la consommation d’\u00e9nergie des applications d’IA et d’apprentissage automatique \u00e9nergivores\u00bb, a d\u00e9clar\u00e9 Majmudar.<\/span><\/p>\n \u00abNous obtenons les m\u00eames performances que les GPU mais avec une efficacit\u00e9 \u00e9nerg\u00e9tique beaucoup plus grande et une puce de 4 mm2\u00bb, a d\u00e9clar\u00e9 Verkest. \u00abSi vous augmentez la surface de la puce, vous augmenterez \u00e9galement les niveaux de performances et une fois que vous commencerez \u00e0 vous approcher de la surface des GPU, les performances seront plus \u00e9lev\u00e9es mais la consommation d’\u00e9nergie sera comparable.<\/span><\/p>\n \u00abGlobalFoundries a collabor\u00e9 \u00e9troitement avec imec pour mettre en \u0153uvre la nouvelle puce AnIA en utilisant notre plate-forme de fabrication 22FDX basse consommation et hautes performances\u00bb, a d\u00e9clar\u00e9. Majmudar<\/span><\/p>\n GF inclura AiMC comme fonctionnalit\u00e9 pouvant \u00eatre impl\u00e9ment\u00e9e sur la technologie 22nm FD-SOI. 22FDX avec la nouvelle fonctionnalit\u00e9 AiMC est en cours de d\u00e9veloppement sur la ligne de production ultramoderne de 300 mm de GF au Fab 1 \u00e0 Dresde, en Allemagne.<\/span><\/p>\n \u00ab\u00a0Nous voyons des partenaires de GF avec du silicium valid\u00e9 et nous nous attendons \u00e0 ce que le silicium de calcul analogique atteigne la production en s\u00e9rie \u00e0 la fin de cette ann\u00e9e et au d\u00e9but de l’ann\u00e9e prochaine et arrivera sur le march\u00e9 de masse pas plus tard qu’en 2022 et peut-\u00eatre plus t\u00f4t que cela\u00a0\u00bb, a-t-il d\u00e9clar\u00e9.<\/span><\/p>\n Cette premi\u00e8re version fabriqu\u00e9e sur la plateforme GF utilisait des cellules SRAM modifi\u00e9es mais la m\u00eame technique peut \u00eatre utilis\u00e9e avec d’autres technologies de m\u00e9moire. \u00ab\u00a0Vous pouvez utiliser SRAM, MRAM, flash, DRAM, et \u00e7a fait partie du programme de d\u00e9veloppement pour comprendre quelle option est la meilleure\u00a0\u00bb, a d\u00e9clar\u00e9 Verkest chez imec.<\/span><\/p>\n Lire aussi:<\/strong><\/p>\n IMEC innove avec un SNN ultra-performant pour drones et autres<\/a><\/p>\n Le CEA-Leti int\u00e8gre un r\u00e9seau de neurones \u00e0 impulsions SNN sur une puce<\/a><\/p>\n L’Imec et le CEA unissent leurs forces sur l’IA et l’informatique quantique<\/a><\/p>\n www.imec.be<\/a>; www.globalfoundries.com<\/a><\/p>\n Video: https:\/\/vimeo.com\/436410439\/732aebec23<\/a><\/p>\n imec et Global Foundries ont d\u00e9velopp\u00e9 une puce d’\u00e9valuation utilisant des techniques analogiques pour un moteur d’apprentissage automatique \u00e0 faible consommation pour l’IA edge.<\/p>\n","protected":false},"author":12,"featured_media":50288,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"footnotes":""},"categories":[883],"tags":[920,890,910],"domains":[47],"ppma_author":[1144],"class_list":["post-50287","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-technologies","tag-artificialintelligence-fr","tag-powermanagement-fr","tag-sensing-conditioning-fr","domains-electronique-eci"],"acf":[],"yoast_head":"
\n <\/p>\n
\nRelated edge AI articles <\/h3>\n
\n