Schwerpunkte

Imec/Globalfoundries

2900 TOPS/W für das Edge

27. Juli 2020, 08:55 Uhr   |  Iris Stroh


Fortsetzung des Artikels von Teil 1 .

ANIA - Analog Inference Accelerator

Mit ANIA hat das Imec jetzt einen Demonstrator-Chip präsentiert, der beweist, wie leistungsfähig AiMC ist. Laut Dr. Ioannis Papistas, R&D-Ingenieur beim Imec, erfolgte die Implementierung auf Basis des 22FDX-Prozesses von GlobalFoundries. Der Test-Chip hat eine Größe von 4 mm2, das eigentliche analoge Makro ist nur 2 mm2 groß. Es wurden 1024 Eingangssignale ins Makro und 512 Ausgangssignale realisiert.
In Zusammenarbeit mit GlobalFoundries konnte laut Papistas gezeigt werden, dass mit verschiedenen Versorgungsspannungen – 0,8 versus 0,6 V – die gleichen Ausgangswerte realisiert werden können, »ein wichtiger Punkt für Endgeräte, die nur ein geringes Energiebudget zur Verfügung haben«, so Papistas weiter. Daneben konnte auch gezeigt werden, dass trotz hoher Genauigkeit die Genauigkeit nicht leidet, und zwar mithilfe des Cifer10-Datensatzes. Papistas erklärt, dass das Imec die Ergebnisse von Ania mit Ergebnissen von Pytorch, einem Framework zur Entwicklung und zum Trainieren von neuronalen Netzwerken, verglichen hat.

»Die Ergebnisse stimmen ziemlich gut überein, wir haben weniger als 1 Prozent Abweichung.« Darüber hinaus konnte anhand des Test-Chips auch gezeigt werden, dass der SQNR-Wert (Signal to Quantization Noise Ratio) konstant über 30 dB liegt. Papistas: »Wir erreichen mit ANIA also durchgängig eine hohe Genauigkeit, der durchschnittliche Fehler pro Layer liegt unter 1,3 Prozent. Mit Hinblick auf Cifar10 liegt die Genauigkeit von Ania bei 88 Prozent, 1 Prozent weniger als bei digitalen Ansätzen.«

Imec
© Imec

Grundsätzliche Funktionsweise von AiMC-Beschleunigern

Beachtliches Marktpotenzial

Der Bedarf an KI (künstliche Intelligenz) ist enorm. Hiren Majmudar, Vice President of Product Management for Computing and Wired Infrastructure bei GlobalFoundries, verweist auf eine Statistik von ABI Research, die besagt, dass der jährliche Gesamtmarkt für KI-Silizium im letzten Jahr bei 10,432 Mrd. Dollar lag. Bis 2024 soll dieser Wert auf 21.280 Mrd. Dollar steigen. Stärkste Wachstumsraten sollen ASIC-Architekturen erhalten, denen ein CAGR (durchschnittliches Jahreswachstum) von rund 30 Prozent vorhergesagt wird.

Den Grund für den Boom von ASICs erklärt Majmudar damit, dass ASICs, also kundenspezifische Beschleuniger-ICs, eine Architektur und Speicherstruktur aufweisen, die hinsichtlich des Energieverbrauchs, auch in Hinblick auf die Datentransfers, optimiert sind. Ein Punkt, der von enormer Bedeutung ist, denn bereits 2017 haben die Datenzentren 3Prozent der Energie in den Vereinigten Staaten verbraucht; in diesem Jahr soll dieser Anteil auf 6 Prozent steigen. Majmudar: »Kundenspezifische Beschleuniger übertreffen CPUs/GPUs/FPGAs und ermöglichen eine Verbesserung bei Rechenleistung sowie Energieverbrauch um Faktoren zwischen 100 und 1000.« Und weiter: »IMECs Ania basiert auf unserer 22FDX-Technologie. Damit erreichen wir bis zu 2900 TOPS/W bei einem 0,6-V-Betrieb.«

Imec
© Imec

Energieeffizienz von ANIA

GlobalFoundries will in Zukunft AiMC als Funktion für seine 22FDX-Plattform anbieten. Majumudar erwartet, dass kommerzielles Silizium spätestens 2022 verfügbar sein wird.
Verkest abschließend: »ANIA ist ein wichtiger Meilenstein in unserem Forschungsprogramm, denn damit können wir unsere Partner überzeugen, dass AiMC funktioniert und dieselbe Genauigkeit aufweist wie eine digitale Implementierung. Der nächste Schritt besteht darin, die Größe der Zellen zu reduzieren und zu überprüfen, welche neue Speichertechnologie optimal für AiMC ist, um damit die nächste Generation zu implementieren.

Denn AiMC bringt nicht nur Vorteile hinsichtlich der Energieeffizienz, sondern auch in Hinblick auf die Rechenleistung. Mit ANIA erreichen wir eine Performance die mit der von GPUs vergleichbar ist, dafür sind wir deutlich energieeffizienter. Diese Performance erreichen wir aber mit einem sehr kleinen Test-Chips von 4 mm2, GPUs sind deutlich größer. Das heißt, wenn man die Größe der Arrays vergrößert oder mehr Arrays implementiert, dann steigt auch die Rechenleistung. Somit lägen wir dann deutlich über der Rechenleistung von GPUs.«

Seite 2 von 2

1. 2900 TOPS/W für das Edge
2. ANIA - Analog Inference Accelerator

Auf Facebook teilenAuf Twitter teilenAuf Linkedin teilenVia Mail teilen

Verwandte Artikel

IMEC vzw, Globalfoundries