Toshiba создала самый энергоэффективный нейроморфный процессор

Toshiba создала самый энергоэффективный нейроморфный процессор

Компания Toshiba Corporation работает над созданием так называемой нейронной сети во временной области (Time Domain Neural Network, TDNN) для Интернета вещей и отрасли Big Data. Особенностью TDNN является использование нового нейроморфного процессора, который отличается сверхнизкой потребляемой мощностью и при этом покрывает потребности глубинного обучения.

Нейронные сети и глубинное обучение требуют огромного массива вычислительных операций. Традиционно для этого используются высокопроизводительные процессоры, потребляющие много энергии. Но в отрасли IoT такой подход неприемлем, так как эти устройства не могут обеспечить большой мощности. Для них необходимо разрабатывать микросхемы с высокой энергоэффективностью, которые отличаются высокой производительностью при малых энергетических затратах.

В традиционной фон-неймановской архитектуре большая часть энергии затрачивается на перемещение данных от памяти к процессору. Одним из наиболее эффективных подходов к устранению этого недостатка является размещение огромного массива вычислительных элементов, каждый из которых нацелен на обработку данных, размещённых ближе всего к нему. Эти точки данных получают весовые коэффициенты в процессе преобразования входного сигнала в выходной. Чем ближе точка данных к желаемому выходу, тем выше коэффициент. Схема весовых коэффициентов используется в процессе глубинного обучения.

Построение процессоров для нейронных сетей часто сопряжено с увеличением сложности микросхем и их габаритов. Toshiba нашла способ создать такой вычислительный блок, который состоит всего из трёх логических вентилей и 1-битной памяти. Компания создала прототип чипа, который использует ячейку SRAM в качестве памяти и при этом способен распознавать рукописные фигуры. По энергоэффективности новое решение в 6 раз опережает другие устройства.

Теперь в планах Toshiba использовать ReRAM-память, что, по её мнению, позволит добиться ещё большей энергоэффективности. Конечной целью является разработка микросхемы, которая позволит добавить технологии глубинного обучения в компактные мобильные устройства.

www.3dnews.ru


Поделиться:


Комментарии

Текст сообщения*
Защита от автоматических сообщений
 

На данном сайте используются cookie для сбора информации технического характера и обрабатывается Ваш IP-адрес. Продолжая использовать этот сайт, вы даете согласие на использование файлов cookies.