先进的硬件设备将人工智能能耗降低1000倍

2024-08-10 22:00:18

　　米兰体育官网明尼苏达大学双城分校的工程研究人员开发出一种先进的硬件设备，可将人工智能（AI）计算应用中的能耗至少降低 1000 倍。这项研究发表在《自然》杂志出版的同行评审科学杂志《npj 非常规计算》上。研究人员拥有该设备所用技术的多项专利。

　　随着人工智能应用需求的不断增长，研究人员一直在研究如何在保持高性能和低成本的同时，创建更节能的流程。通常，机器或人工智能流程在逻辑（系统内处理信息的地方）和内存（存储数据的地方）之间传输数据，需要消耗大量的电力和能源。

　　明尼苏达大学科学与工程学院的一个研究小组展示了一种新模式，在这种模式下，数据永远不会离开内存，这种模式被称为计算随机存取内存（CRAM）。

　　明尼苏达大学电气与计算机工程系博士后研究员、论文第一作者吕杨说：这项工作是 CRAM 的首次实验演示，数据可以完全在内存阵列内处理，而无需离开计算机存储信息的网格。

　　国际能源机构（IEA）发布了一份全球能源使用预测预测，人工智能的能源消耗可能翻一番，从 2022 年的 460 太瓦时（TWh）增至 2026 年的 1,000 太瓦时（TWh）。这大致相当于日本全国的耗电量。

　　据新论文的作者称，基于 CRAM 的机器学习推理加速器估计可实现 1000 次的改进。另一个例子显示，与传统方法相比，可节省 2500 和 1700 倍的能源。

　　这项研究已经有20多年的历史了。该论文的资深作者、明尼苏达大学麦克奈特特聘教授兼电气与计算机工程系罗伯特-F-哈特曼讲座教授王建平说：20年前，我们最初提出的将存储单元直接用于计算的概念被认为是疯狂的。

　　自2003年以来，我们的学生团队不断发展壮大，明尼苏达大学也建立了一支真正跨学科的教师团队，从物理学、材料科学与工程、计算机科学与工程，到建模和基准测试，再到硬件创建，我们都取得了积极的成果，现在我们已经证明，这种技术是可行的，并已准备好将其应用到技术中。

　　磁隧道结 (MTJs) 是一种纳米结构器件，用于改进硬盘驱动器、传感器和其他微电子系统，包括磁随机存取存储器 (MRAM)，MRAM 已被用于微和智能手表等嵌入式系统。

　　CRAM 体系结构实现了真正的内存计算，打破了传统冯-诺依曼体系结构中作为瓶颈的计算与内存之间的壁垒，传统冯-诺依曼体系结构是存储程序计算机的理论设计，几乎是所有现代计算机的基础。

　　作为一种能效极高的基于数字的内存计算基板，CRAM 非常灵活，可以在内存阵列的任何位置进行计算。因此，我们可以重新配置 CRAM，使其最符合各种人工智能算法的性能需求，计算架构专家、论文共同作者、明尼苏达大学电气与计算机工程系副教授 Ulya Karpuzcu 说。与当今人工智能系统的传统构建模块相比，它更加节能。

　　CRAM 直接在内存单元内执行计算，有效利用了阵列结构，无需进行缓慢而耗能的数据传输。最高效的短期随机存取存储器（RAM）设备使用四五个晶体管来编码一个 1 或 0，而 MTJ（一种自旋电子设备）只需很少的能量就能实现相同的功能，速度更快，而且能适应恶劣的环境。自旋电子器件利用电子的自旋而不是电荷来存储数据，为传统的晶体管芯片提供了更高效的替代方案。

　　目前，该团队已计划与包括明尼苏达州在内的半导体行业领导者合作，提供大规模的演示和生产硬件，以推进人工智能功能。