革新的なマイクロチップ設計によりコンピューティングがエッジにまで広がり、AIをリアルタイムで使用できるようになります。

人工知能によるコンピュータネットワークへの需要の爆発的な増加に対処するため、プリンストン大学の研究者らは近年、特殊なAIシステムの速度を大幅に向上させ、エネルギー使用量を削減した。現在、研究者たちは、設計者がこれらの新しいタイプのシステムをアプリケーションに組み込むことができるように共同設計されたハードウェアとソフトウェアを作成することで、イノベーションを広範囲に普及させることに取り組んでいます。

[[398765]]

プリンストンの技術で構築されたシステムは、電力要件とリモート サーバーからのデータ交換の必要性を削減することで、ドローンの操縦ソフトウェアや高水準言語翻訳などの人工知能アプリケーションをコンピューティング インフラストラクチャの最先端に導入できるようになります。

この新しいチップはアナログコンピューティングに基づいており、デジタルコンピュータのように 1 と 0 を生成するのではなく、回路を使用して解く方程式をシミュレートします。

2年前、プリンストン大学の研究者チームは、今日の人工知能の真髄であるニューラルネットワークのパフォーマンスを向上させるように設計された新しいチップを開発しました。このチップは他の先進的なマイクロチップよりも数十倍から数百倍優れた性能を発揮し、さまざまな点で革命的なアプローチを示しています。実際、このチップは現在ニューラルネットワークに使用されているものとは大きく異なるため、開発者にとっては課題となっている。

その後2年間、研究者たちはチップの完成と、AIシステムが新しいチップの速度と効率性を活用できるソフトウェアシステムの開発に取り組みました。 2021年2月に開催された国際固体回路バーチャル会議で、ヴァーマ研究室の大学院生で主執筆者のホンヤン・ジア氏は、新しいソフトウェアによって新しいチップがさまざまな種類のネットワークで動作し、ハードウェアとソフトウェアの両方の実行においてシステムをスケーラブルにできるようになる仕組みについて説明しました。

ヴァーマ氏のチームは、人工知能に対する需要の高まりとそれがコンピューターネットワークに与える負担に対処するために、新しいチップを開発している。人工知能は、機械が学習や判断などの認知機能を模倣することを可能にし、画像認識、翻訳、自動運転車などの新しい技術において重要な役割を果たします。理想的には、ドローンナビゲーションなどの技術のコンピューティングは、リモートネットワーク化されたコンピューターではなく、ドローン自体に基づくものになります。しかし、デジタルマイクロチップの電力需要とメモリストレージの必要性により、このようなシステムの設計は困難になる可能性があります。通常、このソリューションでは、コンピューティングとメモリの大部分を、ドローンとワイヤレスで通信するリモート サーバーに配置します。しかし、これにより通信システムへの要求が高まり、安全上の問題が発生し、ドローンへのコマンド送信に遅延が生じます。

[[398766]]

この問題に対処するために、プリンストン大学の研究者たちはいくつかの方法で計算を再考しました。まず、計算を実行し、データを同じ場所に保存するチップを設計しました。インメモリ コンピューティングと呼ばれるこの技術は、専用メモリを使用して情報を交換するために費やすエネルギーと時間を削減します。この技術は効率性を向上させるが、新たな問題も生み出す。2 つの機能を小さな領域に詰め込むため、インメモリ コンピューティングは電圧変動や温度急上昇などのソースによる破損の影響を受けやすいアナログ操作に依存することになる。この問題に対処するために、プリンストンのチームはトランジスタの代わりにコンデンサを使用してチップを設計しました。コンデンサは電荷を蓄える装置であり、より高い精度で製造でき、電圧の変化の影響を受けません。コンデンサを非常に小型化してメモリセルの上に配置することもできるため、処理密度が向上し、エネルギー要件が削減されます。

この問題に対処するために、プリンストン大学の研究者たちはいくつかの方法で計算を再考しました。まず、計算を実行し、データを同じ場所に保存するチップを設計しました。インメモリコンピューティングと呼ばれるこの技術は、専用メモリと情報を交換するために必要なエネルギーと時間を削減します。この技術は効率性を向上させるが、新たな問題も生み出す。2 つの機能を小さな領域に詰め込むため、インメモリ コンピューティングは電圧変動や温度急上昇などのソースによる破損の影響を受けやすいアナログ操作に依存することになる。この問題に対処するために、プリンストンのチームはトランジスタの代わりにコンデンサを使用してチップを設計しました。コンデンサは電荷を蓄える装置であり、より高い精度で製造することができ、電圧の変化の影響を受けません。コンデンサを非常に小型化してメモリセルの上に配置することもできるため、処理密度が向上し、エネルギー要件が削減されます。

しかし、シミュレーション操作を堅牢にした後でも、多くの課題が残ります。アナログ コアは、他の機能やソフトウェアと組み合わせて実用的なシステムを実際に動作させることができるように、主にデジタル アーキテクチャ内に効果的に統合される必要があります。 デジタル システムではスイッチを使用して 1 と 0 を表します。コンピューター エンジニアはこれを使用して、コンピューター プログラミングを構成するアルゴリズムを記述します。アナログコンピュータはまったく異なるアプローチを採用しています。コロンビア大学のヤニス・ツィヴィディス教授は、IEEE Spectrum の記事で、アナログ コンピューターを、プログラマーが解決したい問題と同じ方程式に従うように設計された物理システムであると説明しています。たとえば、そろばんは非常に単純なアナログ コンピュータであり、バケツとホースは特定の微積分問題に対するアナログ コンピュータとして機能します。積分関数を解くために数学演算を実行したり、バケツ内の水を直接測定したりできます。

第二次世界大戦中、アナログコンピューティングが主流の技術でした。それは潮の予測から船の砲の指示まで、さまざまな機能を実行するために使用されました。しかし、アナログシステムは構築が面倒であり、通常は高度な訓練を受けたオペレーターが必要です。トランジスタが突然登場して以来、デジタルシステムはより効率的で適応性が高いことが証明されました。しかし、新しい技術と新しい回路設計により、エンジニアはアナログ システムの欠点の多くを排除できるようになりました。ニューラル ネットワークのようなアプリケーションの場合、アナログ システムには大きな利点があります。さて、問題は、両方の世界の最良の部分をどのように組み合わせるかということです。

これら 2 種類のシステムは互いに補完し合います。デジタル システムが中心的な役割を果たしますが、アナログ チップを使用するニューラル ネットワークは、特殊な操作を非常に迅速かつ効率的に実行できます。そのため、これら 2 つのテクノロジーをシームレスかつ効率的に統合できるソフトウェア システムを開発することが非常に重要なステップとなります。