内存计算
内存计算(In-memory Computing ,简称IMC)似乎是EnCharge AI实现高效率和低功耗的关键因素。该公司在其网站上列出了2019年、2020年和2021年的四份出版物,展示了他们在改善IMC用于人工智能加速方面的研究进展。
他们最早的出版物指出,机器学习计算严重依赖于矩阵向量乘法(MVM),虽然数字加速器相对于普通处理器提供了10-100倍的能效和速度改进,但这些收益主要是在计算方面,而不是在内存访问方面,即所谓的“内存墙”。在内存中来回移动数据在功耗和时间上都有很高的成本。
虽然IMC可以降低功耗和延迟,但在读取内存位时,需要权衡更差的信噪比(SNR)。信噪比问题在异构系统中对IMC的扩展提出了挑战,而异构系统是最有可能在实际应用中使用IMC的场景。
2020年,该研究团队致力于解决信噪比问题,开发了一种利用charge-domin IMC的可编程异构架构和配套的软件堆栈。原型基于65纳米CMOS实现。
2021年,该团队引入了基于电容interwetten与威廉的赔率体系 计算,以提高从二进制矢量输入到5-b矢量输入的动态范围,并在协同设计算法方面取得了进展,改善了内存映射。
审核编辑:刘清
-
加速器
+关注
关注
2文章
800浏览量
37907 -
人工智能
+关注
关注
1791文章
47352浏览量
238766 -
机器学习
+关注
关注
66文章
8422浏览量
132717 -
MVM-SEM
+关注
关注
0文章
2浏览量
5481 -
IMC
+关注
关注
0文章
25浏览量
4598
原文标题:EnCharge AI在内存计算领域的新突破
文章出处:【微信号:SSDFans,微信公众号:SSDFans】欢迎添加关注!文章转载请注明出处。
发布评论请先 登录
相关推荐
评论