ImecとGlobalFoundries、2900 TOPS/Wのプロセッサインメモリチップで超効率AIを実証

革命的なアナログ演算

ImecとGlobalFoundriesは、SRAM内でアナログ演算を実行し、GlobalFoundriesの22 nm完全空乏型シリコンオンインシュレータ（FD-SOI）プロセスで構築されたプロセッサインメモリチップを実証しました。この設計は、今日の商用ソリューションより約2桁高い、最大2900 TOPS/Wのエネルギー効率を達成しています。

Imecのアナログインメモリ演算（AiMC）は、GlobalFoundriesの顧客向けに22FDXプラットフォームの機能として提供されます。

ImecのAnIAテストチップ、測定用PCBに実装。2900 TOPS/W達成可能（画像：Imec）

アナログ演算の解説

アナログ演算、またはプロセッサインメモリは、Mythic、Syntiant、Gyrfalconなどの商用AIアクセラレータですでに採用されている実証済み技術です。メモリとプロセッサ間のコストのかかるデータシャトルを排除し、メモリアレイ内で直接乗算累積演算を実行します。

各メモリスタセルは、ニューラルネットワーク重みに比例したアナログコンダクタンスにプログラムされます。入力活性化に比例した電圧がセルを駆動し、結果として生じる電流が活性化と重みの積を表します。各ビットライン上の電流合計が、ニューラルネットワークに必要な行列ベクトル乗算を生成し、アナログ-デジタルコンバータで読み出されます。

「実践ではReRAM、MRAM、Flash、DRAMを使用可能です。我々の目標は、各アプリケーションに最適なオプションを特定し、技術を微調整することです」とImec機械学習プログラムディレクターのDiederik Verkest氏。

ImecのAnIAテストチップ

GlobalFoundriesの22 nm FD-SOI上に構築されたAnIAは、512kセルSRAMアレイ、1024 DAC、512 ADCを4 mm²に集積。6ビット活性化（符号ビット付き）、三値重み、6ビット出力で、サイクルあたり約50万回の演算が可能です。

「0.8 Vと0.6 Vの複数の電源電圧で行列ベクトル乗算結果を提供でき、精度を損なわずに動作します。低電圧は消費電力を劇的に削減し、エッジでのエネルギー制約推論にとって重要です」とImec機械学習グループのIoannis Papistas氏。

CIFAR-10物体認識タスクでは、同様に量子化されたベースライン比で精度低下はわずか1パーセントポイント。0.8 Vで23.5 TOPS、1,050〜1,500 TOPS/W、0.6 Vで5.8 TOPS、1,800〜2,900 TOPS/Wを達成しました。

エネルギー効率比較：Imec AnIA vs 他AIアクセラレータ（クリックで拡大）（画像：Imec）

研究室から量産へ

「このイノベーションはメインストリーム採用に向けています」とGlobalFoundriesコンピューティングビジネスユニットVP兼GMのHiren Majmudar氏。「検証済みシリコンでポストプロダクション段階にあるパートナーがすでに存在します。アナログ演算シリコンが年末または来年初めまでに量産に達し、2022年までには遅くとも大量生産市場に登場すると予想しています。潜在的にはさらに早まる可能性があります。」

GlobalFoundriesはImecのAiMC技術を22FDXプラットフォームに統合し、超低消費電力AIアクセラレータを実現。FD-SOIプロセスは0.5 V動作と1 pA/µm待機漏れをサポート。22FDX+AiMC機能は現在、ドイツ・ドレスデンのFab 1、300 mmラインで開発中です。

Imecの機械学習プログラムは、常時オンのスマートセンサとウェアラブル向けに10,000 TOPS/W（100 mW以下で10 TOPS）を目指します。今後の作業は、演算セルの縮小と新興メモリデバイスを次世代プラットフォームとして探索することに焦点を当てます。

>> この記事は姉妹サイトEE Timesで最初に公開されました。