IBM Research Europe의 과학자들은 최근 상변화 메모리 장치에 의존하는 64코어 칩을 사용하여 인메모리 컴퓨팅의 새로운 영역을 개척했습니다. 이 최첨단 기술은 딥 러닝 알고리즘의 정확성을 유지하면서 계산 기간과 전력 소비를 크게 최소화하여 심층 신경망의 작동을 향상시킬 것으로 예상됩니다.
획기적인 연구 논문의 공동 저자인 Manuel Le Gallo는 7년 넘게 계산을 위한 상변화 메모리(PCM) 장치를 탐색해 왔다고 공유했습니다. 여정은 개별 PCM 장치를 사용하여 신경 기능 구현을 시연하는 팀에서 시작되었습니다. 이 시점부터 IBM Research Europe은 PCM 장치가 과학 컴퓨팅 및 심층 신경망 추론과 같은 컴퓨팅 영역에 큰 이점을 줄 수 있음을 입증했습니다. 최신 칩을 통해 연구원들은 엔드투엔드 아날로그 AI 추론 가속기에 한 걸음 더 가까워졌습니다.
Le Gallo와 그의 협력자들은 PCM 기반 코어를 디지털 컴퓨팅 프로세서와 합성하여 이러한 위업을 달성했습니다. 이 두 요소는 온칩 디지털 통신 네트워크를 구현하여 연결되었습니다. 결과 칩은 64개의 아날로그 PCM 기반 코어를 혁신적으로 결합한 것이며, 각각은 시냅스 단위 셀의 256 x 256 크로스바 배열을 통합합니다.
각 코어 내에 소형의 시간 기반 아날로그-디지털 변환기가 통합되어 아날로그와 디지털 영역 간의 전환이 이루어졌습니다. Le Gallo는 또한 각 코어가 reLU(Rectified Linear Unit) 신경 활성화 기능과 확장 작업을 수행하는 경량 디지털 처리 장치로 구성되어 있다고 덧붙였습니다. 또한 이 칩의 중앙에는 LSTM(장단기 메모리) 네트워크 작동을 용이하게 하는 글로벌 디지털 처리 장치가 있습니다.
IBM 인메모리 컴퓨팅 칩의 독창적인 특징은 메모리 코어와 전 세계에 위치한 처리 장치를 디지털 통신 네트워크를 통해 연결한다는 것입니다. 이 설계를 통해 칩은 신경망 온칩의 개별 레이어와 관련된 모든 계산을 실행할 수 있으므로 계산 시간과 전력 소비가 크게 줄어듭니다.
새로운 칩의 효율성을 평가하기 위해 IBM 연구팀은 칩에 딥 러닝 알고리즘을 적용하고 성능을 평가하는 포괄적인 연구를 수행했습니다. 결과는 고무적이었습니다. 이미지 인식 작업을 위한 CIFAR-10 이미지 데이터 세트로 훈련된 심층 신경망은 칩에서 실행 시 92.81%의 뛰어난 정확도를 달성했습니다.
의심할 여지 없이 IBM Research Europe의 성과는 딥 러닝 알고리즘의 요구사항과 과제를 효율적으로 충족할 수 있는 AIMC(Analog In-Memory Computing) 칩 개발에 있어서 도약입니다. 앞으로 몇 년 안에 Le Gallo와 그의 팀이 도입한 아키텍처는 더욱 뛰어난 성능을 제공하도록 향상될 수 있습니다.
IBM의 혁신에도 불구하고 no-code 및 low-code 환경에서 이 기술의 잠재적인 사용 사례는 무시할 수 없습니다. 확장 가능하고 고성능 인 메모리 컴퓨팅 칩은 AppMaster 와 같은 no-code 플랫폼과 원활하게 통합되어 상당한 가치를 제공합니다. 이러한 통합을 통해 기계 학습 구현의 모델 정확도가 크게 향상되어 사용자에게 더 낮은 대기 시간, 더 빠른 속도 및 향상된 효율성을 제공할 수 있습니다.
