Исследователи представили архитектуру аналоговых вычислений, способную радикально снизить энергозатраты при выполнении операций машинного обучения. Отказ от использования аналого-цифровых преобразователей (АЦП) позволяет достичь эффективности, превышающей показатели современных цифровых ускорителей в 1000 раз. Технология открывает путь к созданию сверхэкономичных систем для инференса нейросетей непосредственно на периферийных устройствах.
Основная проблема традиционных аналоговых чипов заключалась в сложности масштабирования и высоких затратах энергии на преобразование сигналов. Новая концепция переосмысливает процесс вычислений, используя физические свойства транзисторов для выполнения матричных операций без необходимости конвертации данных. Это позволяет значительно уменьшить площадь кристалла и тепловыделение, сохраняя при этом точность, необходимую для работы современных моделей.
Масштабируемость решения обеспечивается за счет модульной структуры, которая позволяет объединять множество аналоговых ядер в единую вычислительную сеть. В отличие от предыдущих попыток, данный подход решает проблему шумов и нелинейности, характерных для аналоговых систем, что делает архитектуру пригодной для выполнения глубоких нейронных сетей с высокой плотностью параметров.
Ключевые факты
- Энергоэффективность системы превышает показатели цифровых аналогов в 1000 раз.
- Ключевое техническое решение — исключение аналого-цифровых преобразователей (АЦП) из вычислительного тракта.
- Архитектура ориентирована на выполнение матричных вычислений, составляющих основу работы современных нейросетей.
- Метод позволяет реализовать масштабируемые системы для инференса с минимальным тепловыделением.