A corporação de tecnologia IBM revelou um novo protótipo de chip de IA analógico que demonstra notável eficiência e precisão na execução de cálculos complexos.
Estamos apenas no início de uma revolução de IA que redefinirá como vivemos e trabalhamos. Uma das tecnologias mais inovadoras são as redes neurais profundas (DNNs), que revolucionaram o campo da IA. Com o surgimento de modelos de fundação e IA generativa, as DNNs estão ganhando ainda mais atenção. No entanto, as arquiteturas tradicionais de computação digital não estão equipadas para lidar com as demandas desses modelos, o que limita seu desempenho e eficiência energética.
A IBM Research tem investigado maneiras de revolucionar o campo da computação de IA. Uma abordagem promissora que eles estão investigando é a computação analógica na memória, ou simplesmente IA analógica, para enfrentar o desafio emprestando os principais recursos de como as redes neurais funcionam em cérebros biológicos.
Para transformar o conceito de IA analógica em realidade, dois desafios principais precisam ser abordados: primeiro, essas matrizes de memória precisam ser capazes de computar com um nível de precisão que corresponda aos sistemas digitais existentes e, segundo, elas devem ser capazes de para interagir perfeitamente com outras unidades de computação digital e uma estrutura de comunicação digital no chip AI analógico.
Agora, a IBM Research deu um passo significativo para enfrentar esses desafios, introduzindo um chip AI analógico de sinal misto de última geração para executar uma variedade de tarefas de inferência de rede neural profunda (DNN).
A empresa diz que é o primeiro chip analógico testado para ser tão hábil em tarefas de IA de visão computacional quanto os equivalentes digitais, sendo consideravelmente mais eficiente em termos de energia.
O chip compreende 64 núcleos analógicos de computação em memória (AIMC), cada um contendo uma matriz de barras transversais de 256 por 256 células unitárias sinápticas. Em cada núcleo (ou bloco), conversores analógico-digitais compactos e baseados em tempo são integrados para fazer a transição entre os mundos analógico e digital. Cada bloco também é integrado a unidades de processamento digital leves que executam funções simples de ativação neuronal não linear e operações de dimensionamento.
Cada bloco pode executar os cálculos associados a uma camada de um modelo DNN. Além disso, uma unidade de processamento digital global é integrada no meio do chip para operações mais complexas, críticas para a execução de certos tipos de redes neurais.
Com essa abordagem, a equipe da IBM demonstrou precisão de inferência quase equivalente a software (92,81%) com ResNet e redes de memória de longo prazo. Eles também mostraram que a computação analógica in-memory pode ser combinada perfeitamente com várias unidades de processamento digital e uma estrutura de comunicação digital.
A IBM também afirma que o rendimento medido da multiplicação matriz-vetor por área de 400 giga-operações por segundo por milímetro quadrado (400 GOPS/mm2) do chip é mais de 15 vezes maior do que os chips de computação em memória multi-core anteriores baseados em memória resistiva enquanto alcança eficiência energética comparável.
Teste Agora! 
