رقاقة ميمريستور من جامعة بكين بحجم 40 نانومتر تتفوق على Nvidia A100 بما يصل إلى 478 مرة

حققت شريحة عصبية شكلية مبنية على ميمريستورات تغير الطور تسارعاً حاسوبياً يصل إلى 478 ضعفاً مقارنة بمعالج Nvidia A100 GPU في مهام إعادة بناء القشرة الدماغية، وفقاً لدراسة نُشرت في مجلة Science في 14 يوليو. صمم الباحثون في جامعة بكين ومعهد شنغهاي للأجهزة الدقيقة التابع للأكاديمية الصينية للعلوم الشريحة، التي تبتعد عن التسارع الرقمي التقليدي باستخدام السلوك الفيزيائي لأجهزة الذاكرة نفسها لحل معادلات الديناميات العصبية.

تبلغ مساحة الشريحة ذات الدقة 40 نانومتر 0.28 مليمتر مربع فقط. تدمج مصفوفات حوسبة داخل الذاكرة للعمليات المصفوفية ومصفوفات الانجراف التدريجي للتكامل التكيفي، محققة زمن استجابة لدورة واحدة يبلغ 2.12 ميلي ثانية. هذه هي المرة الأولى التي تدفع فيها أجهزة الديناميات العصبية إلى ما دون عتبة الميلي ثانية في دورة واحدة، مما يسمح للتطبيقات التي كانت تعمل سابقاً فقط دون اتصال بالإنترنت بالعمل في الوقت الفعلي.

لماذا تعتبر الديناميات العصبية صعبة

تصف نماذج الديناميات العصبية كيف تتطور النشاط العصبي بمرور الوقت. تتطلب حلاً تكريرياً للمعادلات التفاضلية. تنقل البنى التقليدية من طراز فون نيومان البيانات بين وحدات الذاكرة والمعالجة المنفصلة، مما يخلق اختناقات تجعل التنفيذ في الوقت الفعلي غير عملي للنماذج عالية الدقة. تجاوز فريق جامعة بكين هذه المشكلة بالاستفادة من فيزياء ميمريستورات تغير الطور.

تمتلك ميمريستورات تغير الطور موصلية متغيرة باستمرار يمكن برمجتها بدقة. قام الباحثون بتعيين عملية البحث التكيفي بالخطوة المطلوبة في حلول الديناميات العصبية مباشرة على تطور الموصلية الطبيعية للميمريستورات. بدلاً من تشغيل دورات ساعة متعددة للبحث عن حجم الخطوة والحكم عليه وتعديله، يقوم الجهاز بهذه المهام من خلال تطوره الفيزيائي الخاص. يطلق المؤلفون على هذا اسم الحوسبة المدفوعة بالفيزياء.

يسمح التحكم متعدد المستويات في الموصلية أيضاً لنفس المصفوفة بتخزين أوزان الشبكة العصبية وإجراء الضرب المصفوفي التناظري في نفس الوقت، مما يجمع بين الذاكرة والحوسبة في طبقة فيزيائية واحدة.

أرقام الأداء الخام

في التجارب، تفوقت الشريحة على أسرع مسرعات الـ ASIC بمعدل يتراوح بين 3.82 و36.27 ضعفاً في السرعة، مع استهلاك 3.9 إلى 7.8 بالمائة فقط من الطاقة. جاءت النتائج الأكثر لفتاً للانتباه من مهام إعادة بناء سطح القشرة الدماغية عالية الدقة، حيث تفوقت الشريحة على معالج Nvidia A100 GPU بعامل يتراوح بين 50.38 و478.18 ضعفاً.

تعمل الشريحة بتردد 50 ميغاهرتز مع خط أنابيب من 9 مراحل. تظهر النتائج أن الابتكار المعماري، وليس التوازي بالقوة الغاشمة، يمكن أن يحقق مكاسب هائلة في الأداء لأحمال العمل الحاسوبية المتخصصة.

من نماذج الدماغ إلى واجهات الدماغ

نشرت مجلة Science مقالاً منظوراً مصاحباً يصف العمل بأنه تحول في النموذج. تمتد الآثار إلى ما هو أبعد من تطبيق نمذجة الدماغ الموضح. تفتح الديناميات العصبية على مستوى الميلي ثانية الباب أمام واجهات الدماغ والحاسوب في الوقت الفعلي، والتوأم الرقمي للدماغ للطب الشخصي، وأنظمة الملاحة العصبية للجراحة، والتشخيص الذكي للأمراض العصبية التنكسية مثل باركنسون وألزهايمر.

تركز الرقائق العصبية الشكلية التقليدية من إنتل (Loihi) وآي بي إم (TrueNorth) على الحوسبة القائمة على الشرارات، وهي مناسبة تماماً للتصنيف والتعرف على الأنماط. تعالج شريحة جامعة بكين مجالاً مختلفاً: الحل التكراري المستمر للمعادلات التفاضلية التي تشكل أساس النماذج العصبية البيوفيزيائية. وهذا يضعها في فئة منفصلة عن كل من معالجات GPU التقليدية والمسرعات العصبية الشكلية القائمة على الشرارات.

دعم البحث برنامج New Cornerstone Investigator، وبرنامج البحث والتطوير الرئيسي الوطني، والمؤسسة الوطنية للعلوم الطبيعية، ومختبر قوانغدونغ الرئيسي لشرائح الحوسبة داخل الذاكرة.

بينما يعاني قطاع أشباه الموصلات من نهاية تصغير قانون مور، تقدم الشريحة لمحة عن مسار بديل حيث تدفع فيزياء الأجهزة، وليس كثافة الترانزستورات، تحسين الأداء.