Mikroelektronik-Forschung Optimierte Chips für die lokale KI

Integration von Sensoren, Speicher und Prozessor

Auf die letzten beiden Bereiche erstreckt sich die Forschungstätigkeit von CEA-Leti. »Wir nutzen bisher Grafikprozessoren, weil es nichts besseres gibt«, sagt Sabonnadiere. In Zukunft seien aber Hardware-Architekturen nötig, die Sensoren, Speicher, CPU und GPU ausgewogener auf einem Chip kombinieren. Statt Speicher im Mikrocontroller zu integrieren, könnte es z.B. eher darum gehen, Recheneinheiten in Speicher zu integrieren. Der Grund ist, dass die Forscher von CEA-Leti das Laden von Daten in den Arbeitsspeicher als größten Verbraucher von Zeit und Energie identifiziert haben. Der Datentransfer zwischen Speicher und Prozessor kostet heute wesentlich mehr als die Berechnung, sowohl in Bezug auf Zeit als auch Energieaufnahme. Datentransfer und Speicherzugriff machen bis zu 90 % des Energieverbrauchs des Systems aus, und da Anwendungen wie künstliche neuronale Netze auf große Datenbanken und einfache Rechenoperationen angewiesen sind, wird die Reduzierung der Datenbewegungen entscheidend.

Das Stapeln von Speicher auf Prozessoren, um die physikalischen Verbindungen zu verkürzen, ist Gegenstand der langjährigen CEA-Leti-Forschung im Bereich der 3D-Schaltungen. Das Institut verfolgt auch neue Speicherdesigns, die es ermöglichen, Addition, Subtraktion und boolesche Logik im SRAM durchzuführen. Die Flächenkosten dafür sind vernachlässigbar und, was noch wichtiger ist, die Daten verlassen nie den Speicher. Diese In-Memory-Computing (IMC)-Prozessoren haben ein großes Potenzial für Anwendungen wie neuronale Netze und Kryptographie.

In Zukunft wird die Integration von resistiven nichtflüchtigen Speichern (NVMs) wie OxRAM und PCRAM auf dem Chip in unmittelbarer Nähe von CMOS-Operatoren angestrebt, um die Datenbewegung zu minimieren und sogar das Zusammenführen von Speicher- und Prozessorelementen zu Hybrid-Operatoren – ein Ansatz, der analoge Berechnungen ermöglichen würde, indem z.B. bei einer Addition Leitungen zusammengeschaltet werden, statt die Addition durch Speicheroperationen auszuführen.

Diese Ansätze sind keine Allzweck-Computerlösungen. Aber sie haben großes Potenzial als flexibles, kostengünstiges KI-Add-on zu klassischen Prozessoren, mit drastisch verbesserter Leistung und Energieeffizienz in bestimmten Anwendungen.

»Vorausschauende Wartung« für Diabetes-Patienten

Beispielhaft für eine medizinische Anwendung mit KI entwickelt das Start-up Diabeloop ein System, das die Insulinpumpe für Typ-1-Diabetiker steuert, ohne dass sich die Patienten um die Blutzuckermessung kümmern müssen. Das System nutzt einen Blutzuckersensor (Dexcom G6), der bis zu zehn Tage lang wie ein Pflaster auf dem Arm getragen wird und mit einer winzigen Nadel den Glucosegehalt des Gewebes misst. Alle fünf Minuten sendet der Sensor den Wert an ein Handgerät, das die Insulinpumpe steuert. Das Handgerät sieht wie ein Smartphone aus, ist aber ein proprietäres Gerät. Der KI-Algorithmus ist vortrainiert und passt sich mit der Zeit an die individuelle Reaktion des Patienten an – bei manchen wirkt das Insulin innerhalb von 30 Minuten, bei anderen dauert es vier Stunden.

Der Patient muss dem Handgerät lediglich mitteilen, wenn er Nahrung zu sich nimmt, ansonsten zeigt es den Blutzuckerwert an und regelt autonom die Insulinpumpe. Besonders nachts ist das für die Patienten von großem Nutzen. Momentan befindet sich das System im Prozess der Zulassung. Ziele für die Weiterentwicklung sind die Verlängerung der Akku-Laufzeiten sowie die Miniaturisierung des Handgeräts in ein Wearable in Form einer Smart Watch.