机构名称：
¥ 1.0
13:20-14:10 使用模拟内存计算加速 AI Stefano Ambrogio (IBM 研究) 摘要：过去十年见证了 AI 在各种领域的广泛传播，从图像和视频识别和分类到语音和文本转录和生成。总体而言，我们观察到人们不断追求具有大量参数的大型模型。这导致计算工作量急剧增加，需要多个 CPU 和 GPU 来训练和推理神经网络。因此，硬件的改进变得越来越重要。为了适应改进的性能，内存计算提供了一个非常有趣的解决方案。虽然数字计算核心受到内存和处理器之间数据带宽的限制，但内存中的计算避免了权重转移，从而提高了功率效率和速度。演讲将描述一个总体概述，重点介绍我们自己的 14 纳米芯片，该芯片基于 34 个相变存储器技术交叉阵列，总共约有 3500 万个设备。我们在选定的 MLPerf 网络中展示了这种架构的效率，表明 Analog-AI 可以提供优于数字核心的功率性能，同时具有相当的准确性。然后，我们为开发可靠、高效的 Analog-AI 芯片的下一步提供了指导方针，特别关注实现更大、更完善的深度神经网络所需的架构约束和机会。
最终计划
主要关键词
相关文件推荐
