高能效憶容器突破神經形態AI功耗瓶頸

作者 : Max Planck Institute of Microstructure Physics

德國研究人員成功展示了一種能效高達30,000 TOPS/W的憶容器技術,可望實現更節能的神經形態 AI 設計。

德國馬克斯·普朗克微結構物理研究所(Max Planck Institute of Microstructure Physics)的研究人員聯手Semron AI公司,開發出能效高達30,000 TOPS/W的電容式記憶體(憶容器;memcapacitor)技術,可望為神經形態 AI帶來功率方面的突破進展。此外,這項技術還能以傳統的矽製造製程和系統輕鬆實現,從而為快速商業化鋪路。

為深度學習系統降低功耗的方式之一是使用記憶體運算(in-memory computing),其中乘法和累加運算(MAC)可在記憶體內執行。常見的方法之一是使用類比電阻記憶體裝置,例如憶阻器或相變記憶體,其中乘法是根據歐姆定律(Ohm´s law)進行的,而累積則是來自基爾霍夫電路定律(Kirchhoff Circuit Laws)。

然而,電容器具有更高的訊號-雜訊比(SNR),研究人員因而在此基礎上開發了一種電荷遮罩層,可以在上層介電質施加外部電壓至摻雜接面或透過非揮發性鐵電記憶體的影響,從而傳輸或遮罩電場。這使其以建構憶容器裝置的交叉陣列,以實現高度平行的向量矩陣乘法。

研究人員製造了一個具有156個記憶體單元的原型交叉陣列,並成功實施5×5影像辨識演算法,以分類字母M、P和I。單個裝置顯示出1:1478的高動態範圍和類比編程能力。

Semron技術長Kai-Uwe Demasius 說:「以前所有的電容器方法要麼製造不切實際,要麼精度低。」而詳細的模擬顯示實驗結果與模擬結果之間相稱,證實尺寸小至45nm的憶容器裝置之可擴展性。

使用這種憶容器還允許絕熱充電的運用,從而能以6-8位元精度實現超過3,500 TOPS/W 的能效。對於檢測手寫數字的演算法,取得了29,600 TOPS/W的能效,這是在該精度下神經形態系統報告的最高能效。

Max Planck Institute of Microstructure Physics主任Stuart Parkin說:「這種效率遠遠超過人腦,人腦通常被假設在100 TOPS/W的範圍。」

這項主題為「高能效憶容器實現神經形態運算」(Energy-efficient memcapacitor devices for neuromorphic computing)的研究已發表於近期的《自然電子》(Nature Electronics)期刊。

本文原刊登於EDN China網站,夏菲編譯

加入LINE@,最新消息一手掌握!

發表評論