Cip Prosesor Tensor Nanotube Berasaskan Karbon Pertama Dunia

Teknik ini meningkatkan pemprosesan AI dengan mengurangkan penggunaan kuasa secara drastik sambil mengekalkan prestasi tinggi, membuka jalan untuk masa depan pengkomputeran generasi akan datang.

Alat kecerdasan buatan (AI) dan pembelajaran mesin (ML) telah merevolusikan analisis data dan tugas ramalan tetapi sering menghadapi cabaran kerana tuntutan pengiraan dan tenaga yang tinggi.Pemproses berasaskan silikon tradisional berjuang untuk memenuhi keperluan ini, mendorong keperluan untuk alternatif yang lebih cekap.Penyelidik di Universiti Peking dan institusi Cina lain telah membangunkan unit pemprosesan tensor (TPU) berdasarkan nanotube karbon (CNTs), yang menawarkan penyelesaian yang menjanjikan kepada cabaran ini.TPU ini mewakili kemajuan yang ketara dalam usaha untuk cip generasi akan datang, cekap tenaga.

Pasukan itu menyebut bahawa mereka telah berjaya membangunkan cip pemproses tensor pertama di dunia (TPU) berdasarkan nanotube karbon.Perkembangan ini diilhamkan oleh pertumbuhan pesat aplikasi AI dan batasan teknologi berasaskan silikon semasa dalam memproses dataset besar-besaran.Mereka berusaha menangani cabaran global ini dengan memanfaatkan sifat unik nanotube karbon.TPU dibina di atas arsitektur sistolik, di mana pemproses mengira dan menghantar data secara berirama, sama dengan aliran darah di dalam tubuh manusia.Para penyelidik menggunakan transistor kesan bidang nanotube karbon (FETs) untuk menggantikan semikonduktor tradisional, mewujudkan unit pemprosesan yang lebih cekap.

Cip terdiri daripada 3,000 CNT FET yang diatur dalam matriks unit pemprosesan 3 × 3 (PE), yang membolehkan pelaksanaan selari integer convolutions dan pendaraban matriks.Senibina ini dengan ketara mengurangkan penggunaan tenaga dengan meminimumkan operasi memori akses rawak statik (SRAM).Setiap PE menerima data dari jiran hulu, mengira hasil separa, dan melepaskannya ke hilir, mengendalikan pendaraban matriks 2-bit.

Pasukan ini menunjukkan keupayaan TPU dengan membina rangkaian neural konvensional lima lapisan yang mencapai ketepatan 88% dalam tugas pengiktirafan imej sambil memakan hanya 295μW kuasa yang rendah berbanding dengan teknologi yang sedia ada.TPU CNT juga menunjukkan kecekapan tenaga yang unggul, beroperasi pada 850 MHz dengan kecekapan tenaga melebihi 1 puncak/W, kelebihan yang ketara terhadap teknologi semasa.Kejayaan TPU berasaskan CNT ini mencadangkan potensi untuk meningkatkan kuasa pemprosesan AI sementara secara drastik mengurangkan tuntutan tenaga.Pasukan penyelidikan merancang untuk memperbaiki prestasi, skalabilitas, dan kecekapan tenaga CHIP, meneroka kemungkinan seperti integrasi tiga dimensi dengan CPU silikon.