Mike Mayberry將發(fā)表題為“未來計算:數(shù)據(jù)轉型如何重塑VLSI”的主題演講,重點強調從以硬件/程序為中心的計算過渡到以數(shù)據(jù)/信息為中心的計算的重要性。
“在分布式邊緣、網(wǎng)絡和云基礎架構上有巨量數(shù)據(jù)流動,這就要求在數(shù)據(jù)生成的位置附近進行高能效和強大的處理,但這種處理往往會受到帶寬、內(nèi)存和電源資源的制約。英特爾研究院在VLSI研討會上重點展示了提高計算效率的幾種新方法,這些方法顯示出多種應用領域的廣闊前景,包括機器人、增強現(xiàn)實、機器視覺和視頻分析。這一系列研究的重點在于解決數(shù)據(jù)移動和計算方面的障礙,這些障礙代表了未來最大的數(shù)據(jù)挑戰(zhàn)?!?/em>
- Vivek K. De,英特爾fellow,英特爾研究院電路技術研究總監(jiān)
將要展示的內(nèi)容:此次研討會上將介紹一些英特爾的研究論文,探討在未來邊緣-網(wǎng)絡-云系統(tǒng)中如何能夠實現(xiàn)更高的智能水平和更高能效,以支持日益增長的眾多邊緣應用。研究論文中涉及的部分主題(研究的完整列表請見本新聞稿文末)包括:
利用光線投射硬件加速器,提高邊緣機器人三維場景重建的效率和精度
論文:在邊緣機器人和增強現(xiàn)實應用中,通過10納米CMOS的光線投射加速器進行高效3D場景重建
重要意義:包括邊緣機器人和增強現(xiàn)實在內(nèi)的某些應用,需要通過從光線投射操作產(chǎn)生的大量數(shù)據(jù)中精確、快速并且高能效地對復雜的3D場景進行重建,以實現(xiàn)實時密集的同步定位和映射(SLAM)。在本研究論文中,英特爾重點介紹了一款新型光線投射硬件加速器,可以利用新技術來保持場景重建的準確性,同時實現(xiàn)卓越的高能效性能。這些創(chuàng)新方法包括三維像素重疊搜索和硬件輔助近似計算三維像素等技術,降低了對本地內(nèi)存的需求,此外還提升了電源效率,以適應未來的邊緣機器人和增強現(xiàn)實應用。
利用事件驅動可視化數(shù)據(jù)處理單元(EPU),降低基于深度學習的視頻流分析的功耗
論文:一個0.05pJ/像素 70fps FHD 1Meps事件驅動的可視數(shù)據(jù)處理單元
重要意義:基于實時深度學習的可視數(shù)據(jù)分析主要用于安全和安保等領域,要求在多個視頻流中能夠快速檢測對象,因而需要較長計算時間和高內(nèi)存帶寬。通常會對這些攝像頭中的輸入幀進行下采樣,以便讓負載降到最低,這樣就降低了圖像精度。在本項研究中,英特爾演示了一個事件驅動的視覺數(shù)據(jù)處理單元(EPU)在結合新穎的算法之后,可指示深度學習加速器僅使用基于運動的“目標區(qū)域”來處理視覺輸入。這種新型方法緩解了邊緣視覺分析中的密集計算和高內(nèi)存要求。
擴展本地內(nèi)存帶寬,以滿足人工智能、機器學習和深度學習應用的需求
論文:針對內(nèi)存帶寬有限的工作負載而設計的2倍帶寬突發(fā)6T-SRAM
重要意義:很多AI芯片,尤其是那些用于自然語言處理的芯片(如語音助理),日益受到本地內(nèi)存的制約。為應對內(nèi)存方面的挑戰(zhàn),需要提供倍頻或增加內(nèi)存插槽的數(shù)量,但其代價是功耗和面積效率變低,對于面積受限的邊緣設備而言尤其如此。通過這項研究,英特爾展示了如何使用6T-SRAM陣列,以便在突發(fā)模式下根據(jù)需要提供2倍的讀取帶寬,其能效比倍頻高51%,面積效率則比倍增內(nèi)存插槽數(shù)量高30%。
全數(shù)字二進制神經(jīng)網(wǎng)絡加速器
論文:采用10納米FinFET CMOS的617TOPS/W全數(shù)字二進制神經(jīng)網(wǎng)絡加速器
重要意義:在功率和資源受限的邊緣設備中,某些應用可接受低精度輸出,因而可將模擬二進制神經(jīng)網(wǎng)絡(BNN)作為更高精度神經(jīng)網(wǎng)絡的替代品。后者的計算要求更高,并且有密集內(nèi)存要求。然而,模擬BNN的預測精度較低,因為它們對過程變化和噪聲的容忍度較低。通過本研究,英特爾演示了全數(shù)字BNN的使用,它具有類似于模擬輸入內(nèi)存技術能效,同時又為先進過程節(jié)點提供了更好的魯棒性和可擴展性。
2020 VLSI研討會上介紹的其他英特爾研究包括以下論文:
? 未來計算:數(shù)據(jù)轉型如何重塑VLSI
? 適用于10納米CMOS的高性能圖形/AI處理器的低時鐘功率數(shù)字標準單元IP
? 適用于具有動態(tài)電流控制的多核SoC的一種自主重構功率輸出網(wǎng)絡(RPDN)
? 3D單片異構集成實現(xiàn)300毫米硅片(111)上的GaN和Si晶體管
? 低擺幅和列多路復用位線技術,適用于10納米FinFET CMOS的低Vmin、耐噪聲、高密度1R1W 8T位單元SRAM
? 一種具有動態(tài)電流控制的雙軌混合模擬/數(shù)字LDO,適用于可調諧的高PSRR和高效率
? 一種435MHz、600Kops/J的抗側信道攻擊加密處理器,適用于14納米CMOS的安全RSA-4K公鑰加密
? 一種14納米CMOS的0.26% BER 10^28抗建模挑戰(zhàn)響應PUF,具有穩(wěn)定性感知對抗挑戰(zhàn)選擇(Stability-Aware Adversarial Challenge Selection)功能
? 一種6000倍時域/頻域泄漏抑制的抗SCA AES引擎,采用非線性數(shù)字低漏失調節(jié)器,并與14納米CMOS的運算對策級聯(lián)
? 帶重金屬雙層底部電極的SOT-MRAM CMOS兼容工藝集成和帶STT輔助的10ns無場SOT轉換
? 采用柵極調制自折疊寫入輔助的10納米SRAM設計,能夠以微乎其微的電能開支使VMIN減少175毫伏