Der Blätterkatalog benötigt Javascript.
Bitte aktivieren Sie Javascript in Ihren Browser-Einstellungen.
The Blätterkatalog requires Javascript.
Please activate Javascript in your browser settings.
Nr 30 2020 www markttechnik de 47 Schwerpunkt|MCUs CPUs DSPs Imec Globalfoundries 2900 TOPS Wfür das Edge Imec und Globalfoundries haben mit ANIA Analog Inference Accelerator einen Beschleuniger für das Inferenzieren im Edge vorgestellt ANIA basiert auf der AiMC-Technologie vom Imec und der 22FDX-Technologie von Globalfoundries Das Imec hatte bereits auf der letzten IEDM 2019 ein Paper präsentiert in dem die Vorteile der AiMC-Technologie die Anforderungen an die Schaltungen und mögliche Umsetzungen beschrieben wurden AiMC steht für Analog in-Memory Computing und ist laut Imec-Spezialisten ein Ansatz der selbst im Vergleich zur neuesten digitalen Implementierung mindestens zehnmal energieeffizienter ist AiMC zielt auf Deep-Learning-Anwendungen eine Technik die beispielsweise in der Bildverarbeitung für Übersetzungen und zur Spracherkennung genutzt wird Die Imec-Forscher sind überzeugt dass ein energieeffizientes Inferenzieren entscheidend dafür ist dass diese Fähigkeiten auch in hochmodernen Endgeräten genutzt werden können Sowohl in CNNs Convolutional Neural Network Faltungsnetz als auch in rekurrenten neuronalen Netzen wie LSTMs Long Short-Term Memory sind MatrixVektor-Multiplikationen MVM mit geringer Präzision die dominierenden Operationen beim Inferenzieren mit niedriger Präzision Und genau für diese MVMs setzt das Imec auf AiMC denn Eine optimierte MAC-Operation Multiply-Accumulate auf Basis eines 16-nm-Knotens verbraucht 10 fJ MAC Mit weiteren Optimierungen der Schaltung sowie kleineren Prozessstrukturen kann die Energieeffizienz einer digitalen Implementierung zwar noch verbessert werden aber das ist weit entfernt von dem was mit AiMC möglich Im Imec-Paper zur IEDM hieß es bereits eine AiMC-MVM braucht lediglich 0 1 fJ Operation ein MAC umfasst zwei Operationen Aus der Sicht der Imec-Forscher stellt dieser Ansatz für viele Anwendungen eine durchaus attraktive Option dar auch deshalb weil diese MVMs mit größeren Prozessstrukturen gefertigt werden können In dem Paper für die IEDM hat das Imec auch gezeigt dass ein MVM mithilfe von drei Speicherkonzepten realisiert werden kann IGZObasierte 2T1C-DRAM SOT-MRAM und eine spezielle Form von PCMs mit Projection Layer AiMC braucht keine Datenbewegungen Typischerweise holen Inferenzierungssysteme für jede Schicht des neuronalen Netzes ständig Daten und Gewichtungen aus dem Speicher um damit Multiplikationen und Additionen durchzuführen und das Ergebnis danach wieder abzuspeichern Diese Datenbewegungen verbrauchen viel Energie mehr als die eigentlichen Berechnungen Geht es also um eine möglichst hohe Energieeffizienz müssen diese Datentransfers vermieden werden Und das lässt sich erreichen wenn die Gewichtungen im Speicher abgelegt werden und die Inferenz dort mithilfe einer analogen In-Memory-Berechnung durchgeführt werden kann Und genau das ist mit AiMC möglich Das Imec ist bei Weitem nicht allein wenn es um analoges In-Memory Computing geht Das Fraunhofer-Institut ISS erklärt beispielsweise zum Thema Analoges neuromorphes Hardware-Design »Bereits seit den ersten Anläufen zur Entwicklung neuromorpher Hardware in den 1950er-Jahren werden analoge Schaltungen eingesetzt um neuronale Netze in Hardware zu implementieren Bei diesem Ansatz werden die Werte zur Berechnung neuronaler Netze durch reelle Werte physikalischer Größen abgebildet zum Beispiel durch analoge Spannung Stromstärke und elektrische Ladung Die Berechnungen stützen sich dann auf einfache Operationen wie Multiplikation und Addition unter direkter Berücksichtigung physikalischer Gesetzmäßigkeiten zum Beispiel der ohmschen und kirchhoffschen Gesetze « Bilder Imec