IBM ha recentemente annunciato una svolta nell’ambito dei processori AI analogici, capaci di eseguire calcoli complessi per le reti neurali profonde (DNN) con una sorprendente efficienza e precisione. Questa innovazione è stata dettagliata in una nuova ricerca pubblicata su Nature Electronics e rappresenta un passo fondamentale nella ricerca di calcoli IA ad alte prestazioni che consentano notevoli risparmi energetici.
Le prestazioni e l’efficienza energetica delle reti neurali profonde sono spesso limitate quando eseguite su piattaforme di computer digitali tradizionali. La continua necessità di trasferire dati tra la memoria e l’unità di elaborazione digitale rallenta i calcoli e limita le possibilità di ottimizzazione energetica. Per affrontare questo problema, IBM Research ha adottato l’approccio dell’intelligenza artificiale analogica, che si ispira ai principi dei cervelli biologici. In particolare, si utilizzano dispositivi di memoria resistiva su scala nanometrica, come la memoria a cambiamento di fase (PCM), per memorizzare i pesi sinaptici.
Applicando impulsi elettrici ai dispositivi PCM, è possibile ottenere una gamma continua di valori dei pesi sinaptici. Grazie all’esecuzione dei calcoli direttamente in memoria, questo approccio analogico riduce notevolmente la necessità di trasferire dati superflui, migliorando quindi l’efficienza complessiva. La nuovissima CPU è dotata di 64 core di calcolo analogici in memoria, rendendola all’avanguardia nel campo delle IA analogiche.
Per consentire una transizione fluida tra il dominio analogico e quello digitale, ogni core è dotato di una serie di celle sinaptiche unitarie e piccoli convertitori analogico-digitali. Inoltre, le funzioni di attivazione neurale non lineare e le procedure di ridimensionamento sono gestite da unità di elaborazione digitale all’interno di ciascun core. Il chip dispone anche di un’unità di elaborazione digitale globale e di percorsi di comunicazione digitale per l’interconnessione. A dimostrazione dell’efficacia di questo chip, il team di ricerca ha raggiunto un incredibile livello di precisione del 92,81% nel dataset di immagini CIFAR-10, un risultato straordinario per i dispositivi AI analogici.
L’efficienza di calcolo superiore rispetto ai chip di elaborazione in-memory precedenti è evidenziata dal suo throughput per area, misurato in Giga-operazioni al secondo (GOPS) per unità di superficie. Questo chip rivoluzionario rappresenta un progresso significativo nella tecnologia dell’intelligenza artificiale, grazie alla sua architettura altamente efficiente dal punto di vista energetico e alle prestazioni superiori. Il design innovativo e le notevoli capacità di questo chip AI analogico gettano le basi per un futuro in cui l’elaborazione AI veloce e a basso consumo energetico potrà essere applicata in una vasta gamma di contesti. La scoperta di IBM Research segna un punto di svolta destinato a stimolare lo sviluppo delle tecnologie basate sull’intelligenza artificiale nei prossimi anni.