Un chip analógico de IA para el reconocimiento y la transcripción de voz con eficiencia energética

Área de la Ciencia:

• Inteligencia artificial
• Ingeniería informática
• Ciencias de los materiales

Sus antecedentes:

• Los grandes modelos de inteligencia artificial (IA) requieren una energía significativa en los procesadores convencionales.
• La computación analógica en memoria (IA analógica) ofrece ganancias potenciales de eficiencia energética para la IA.
• Los enfoques analógicos de IA existentes luchan con la precisión y la comunicación entre los mosaicos para modelos complejos.

Objetivo del estudio:

• Desarrollar un chip de IA analógica con alta eficiencia energética y precisión equivalente al software.
• Para abordar los desafíos de escalar la IA analógica para las grandes redes neuronales.
• Demostrar una nueva arquitectura para el procesamiento y la comunicación en paralelo en IA analógica.

Principales métodos:

• Diseñó y fabricó un chip de IA analógica que integra 35 millones de dispositivos de memoria de cambio de fase en 34 azulejos.
• Implementación masiva de comunicaciones paralelas entre las tejas y circuitos periféricos analógicos de baja potencia.
• Modelos de redes neuronales mapeados, incluido el detección de palabras clave y el transductor de red neuronal recurrente (RNNT), en los dispositivos de memoria del chip.

Principales resultados:

• Logró un rendimiento sostenido por el chip de hasta 12,4 tera-operaciones por segundo por vatio (TOPS/W).
• Precisión demostrada de software equivalente de extremo a extremo (SWeq) para una red de detección de palabras clave.
• Se alcanzó una precisión cercana a SWeq en el punto de referencia del transductor de red neuronal recurrente MLPerf (RNNT) utilizando más de 140 millones de dispositivos de memoria en cinco chips.

Conclusiones:

• El chip de IA analógica desarrollado ofrece una solución viable para el procesamiento de IA con eficiencia energética.
• La arquitectura demuestra con éxito escalabilidad y alta precisión para modelos complejos de IA.
• Este trabajo avanza en el campo de la computación analógica para el hardware de IA de próxima generación.