Các nhà khoa học của IBM Research Europe gần đây đã đi tiên phong trong một lĩnh vực mới về điện toán trong bộ nhớ với chip 64 lõi dựa trên các thiết bị bộ nhớ thay đổi pha. Công nghệ tiên tiến này được hình dung là sẽ thúc đẩy hoạt động của mạng lưới thần kinh sâu bằng cách duy trì tính chính xác của các thuật toán học sâu trong khi giảm thiểu đáng kể thời gian tính toán và mức tiêu thụ điện năng.
Manuel Le Gallo, đồng tác giả của bài nghiên cứu đột phá, chia sẻ rằng họ đã khám phá các thiết bị bộ nhớ thay đổi pha (PCM) để tính toán trong hơn bảy năm. Cuộc hành trình bắt đầu với việc nhóm trình diễn việc thực hiện các chức năng thần kinh bằng cách sử dụng các thiết bị PCM riêng lẻ. Từ thời điểm này trở đi, IBM Research Europe đã chứng minh rằng các thiết bị PCM có thể mang lại lợi ích to lớn cho các lĩnh vực điện toán, chẳng hạn như điện toán khoa học và suy luận mạng thần kinh sâu. Với con chip mới nhất của mình, các nhà nghiên cứu đã tiến một bước gần hơn đến bộ tăng tốc suy luận AI tương tự đầu cuối.
Le Gallo và các cộng tác viên của ông đã hoàn thành kỳ tích này bằng cách tổng hợp các lõi dựa trên PCM với bộ xử lý điện toán kỹ thuật số. Hai yếu tố này được liên kết bằng cách triển khai mạng truyền thông kỹ thuật số trên chip. Con chip thu được là sự kết hợp sáng tạo của 64 lõi dựa trên PCM tương tự, mỗi lõi kết hợp một dãy ô đơn vị khớp thần kinh có kích thước 256 x 256.
Việc tích hợp các bộ chuyển đổi tương tự sang kỹ thuật số nhỏ gọn, dựa trên thời gian trong mỗi lõi đã đánh dấu sự chuyển đổi giữa lĩnh vực tương tự và kỹ thuật số. Le Gallo giải thích thêm và nói thêm rằng mỗi lõi cũng bao gồm các đơn vị xử lý kỹ thuật số nhẹ thực hiện các chức năng kích hoạt tế bào thần kinh đơn vị tuyến tính được chỉnh lưu (reLU) và các hoạt động mở rộng quy mô. Ngoài ra, con chip này còn có bộ xử lý kỹ thuật số toàn cầu nằm ở trung tâm giúp hỗ trợ các hoạt động của mạng bộ nhớ ngắn hạn (LSTM).
Một đặc điểm khéo léo của chip điện toán trong bộ nhớ của IBM là kết nối giữa lõi bộ nhớ và bộ xử lý được đặt trên toàn cầu thông qua mạng truyền thông kỹ thuật số. Thiết kế này cho phép chip thực hiện tất cả các tính toán liên quan đến các lớp riêng lẻ của mạng thần kinh trên chip, giúp giảm đáng kể thời gian tính toán và mức tiêu thụ điện năng.
Để đánh giá hiệu quả của con chip mới, nhóm nghiên cứu của IBM đã tiến hành một nghiên cứu toàn diện, áp dụng thuật toán deep learning trên chip của họ và đánh giá hiệu suất của nó. Kết quả thật đáng khích lệ khi mạng lưới thần kinh sâu được đào tạo trên bộ dữ liệu hình ảnh CIFAR-10 cho các tác vụ nhận dạng hình ảnh đạt tỷ lệ chính xác vượt trội là 92,81% khi chạy trên chip.
Không còn nghi ngờ gì nữa, những thành tựu của IBM Research Europe là một bước nhảy vọt trong việc phát triển chip Điện toán trong bộ nhớ tương tự (AIMC) có thể đáp ứng hiệu quả các yêu cầu và thách thức của thuật toán học sâu. Trong những năm tới, kiến trúc do Le Gallo và nhóm của ông giới thiệu có thể được nâng cao để mang lại hiệu suất vượt trội hơn nữa.
Bất chấp bước đột phá của IBM, không thể bỏ qua các trường hợp sử dụng tiềm năng của công nghệ này trong môi trường no-code và low-code. Các chip điện toán trong bộ nhớ có hiệu suất cao và có thể mở rộng mang lại giá trị đáng kể bằng cách tích hợp liền mạch với các nền tảng no-code như AppMaster. Việc tích hợp như vậy có thể mang lại sự cải thiện đáng kể về độ chính xác của mô hình khi triển khai học máy, mang lại độ trễ thấp hơn, tốc độ cao hơn và cải thiện hiệu quả cho người dùng.
