Leti Innovation Days 2019 Europa ist bei KI auf keinen Fall zu spät!

...gut für Edge-KI positioniert

Diese Schaltung hat im Vergleich zu Standard-embedded-Flash eine um den Faktor 10 höhere Energieeffizienz erreicht. »Das heißt, wir haben schon bewiesen, dass solche Ansätze realisierbar sind«, so Sabonnadière weiter.

Leti ist aus seiner Sicht auch deshalb gut für Edge-KI positioniert, weil das Forschungsinstitut seit Jahren mit FD-SOI arbeitet und damit dem Problem der Leistungsaufnahme zu Leibe rücken kann. »Es ist derzeit noch nicht klar, ob FD-SOI auch mit kleineren Strukturen die Rechenleistung ermöglicht, die Edge-KI braucht, aber das wird sich zeigen«, erklärt Sabonnadière. Außerdem arbeite das Institut an der Entwicklung diverser Speichertechnologien, die man auch für In-Memory-Computing (IMC) nutzen kann.

Damit lässt sich wiederum folgendes Problem lösen: In heutigen Rechensystemen erfordert der Datentransfer zwischen Speicher und Prozessor wesentlich mehr Aufwand als die eigentliche Berechnung, und das gilt sowohl in Bezug auf Zeit als auch in Bezug auf den Energieverbrauch. Bis zu 90 Prozent des Energieverbrauchs eines Systems gehen für den Datentransfer und den Speicherzugriff drauf, und da Anwendungen wie künstliche neuronale Netze auf große Datenbanken und einfache Rechenoperationen angewiesen sind, ist die Reduzierung der Datenbewegungen zu einem entscheidenden Faktor geworden. Ein Weg, dieses Problem zu lösen, ist eben IMC. Deshalb forscht das Forschungsinstitut an neuen Speicherdesigns, die es ermöglichen, Additions-, Subtraktions- und Boolesche Logik innerhalb von SRAM auszuführen. Die dafür notwendige Fläche ist von den Kosten her vernachlässigbar und, was noch wichtiger ist, die Daten verlassen nie den Speicher. Aus der Sicht von Leti haben diese IMC-Prozessoren großes Potenzial für Anwendungen wie neuronale Netze und Kryptografie.

Ein weiterer Weg ist eben die 3D-Integration, bei der Speicher und Prozessor aufeinander gesetzt werden, um die physischen Verbindungen zu verkürzen. Zukünftig wird die Integration von resistiven, nichtflüchtigen Speichern (NVMs) wie z.B. OxRAM und PCRAM in unmittelbarer Nähe zu CMOS-Operatoren angestrebt, um die Datenbewegung zu minimieren. Auch das Zusammenführen von Speicher- und Verarbeitungselementen, um hybride Operatoren zu realisieren, ist ein Ansatz, der analoges Computing ermöglichen würde.

Leti betont, dass es dabei nicht um die Entwicklung von Allzweck-Computern geht, sondern vielmehr um vielversprechende Ansätze, die als flexibles und kostengünstiges Add-on klassischen Prozessoren hinzugefügt werden können, um damit die Leistung und Energieeffizienz in bestimmten Anwendungen deutlich zu erhöhen.