De architectuur van de Chinese tensorprocessor van nanokoolstofbuisjes (afb: Zhiyong Zhang et al/Nature)
Onderzoekers van, onder meer, de Universiteit van Peking hebben onlangs een tensorprocessor (TPU) ontwikkeld op basis van koolstofnanobuisjes die kan worden gebruikt om ki-systemen minder energievretend te maken. Google maakte in 2015 al een tensorprocessor, maar die was nog van silicium (kiezel, dus). De koolstofbuisjesprocessor zou 1700 keer energiezuiniger zijn dan de de tensorprocessor van Google. “We werden geïnspireerd door de snelle ontwikkeling van ki-toepassingen en de TPU van Google”, zegt Zhiyong Zhang van de universiteit van Xiangtan. “Kunstmatige intelligentie luidt een nieuwe revolutie in, maar de traditionele halfgeleidertechnologie op basis van silicium is steeds minder in staat om te voldoen aan de verwerkingsbehoeften van enorme hoeveelheden gegevens. We hebben een oplossing gevonden voor deze wereldwijde uitdaging.” Voorlopig, dan.
In de computerwetenschap verwerken systolische rasternetwerken van processoren de gegevens en geven het resultaat vervolgens door. Dat lijkt een beetje op de manier waarop bloed door het menselijk lichaam stroomt. Vandaar (waarschijnlijk) dus dat voor mij onbekende woord ‘systolisch’. Een systole zou een een samentrekking van de hartspierwand zijn. Van het lemma systolische meetkunde, ook het Engelse, kan ik=as geen chocola bakken, maar dat ligt vast aan mij.
Zhang en zijn collega’s ontwikkelden een nieuwe, efficiëntere, (dus) systolische rasterarchitectuur van veldeffecttransistoren met kanalen gemaakt van koolstofnanobuisjes in plaats van conventionele halfgeleiders zoals silicium. Het zou de eerste in zijn soort zijn.
“De processor bestaat uit 3000 veldeffecttransistoren van de koolstofbuisjes, georganiseerd als 3*3 verwerkingseenheden”, zegt Zhang. “Deze negen eenheden vormen een systolische rasterchitectuur, die twee-bitsbewerkingen parallel kan uitvoeren.”
Energiebesparing
De gebruikte architectuur van de processor ondersteunt de (‘bloed’)stroom van systolische invoergegevens. Deze stroom van gegevens vermindert door de gekozen architectuur het aantal lees- en schrijfbewerkingen van statische-geheugencomponenten (SRAM), wat zou leiden tot aanzienlijke energiebesparingen.
De voorgestelde systeemarchitectuur is zo ontworpen dat de tensorbewerkingen die worden uitgevoerd door neurale netwerken worden versneld en er is eenvoudig te schakelen tussen de diverse bewerkingen.
Volgens de onderzoekers zou hun processor 1700 keer energiezuiniger zijn dan de tensorprocessor Edge van Google. De onderzoekers knutselen door aan hun geesteskind om dat nog verder te verbeteren.
Bron: livescience.com