Nature：人工智能芯片！

具有數(shù)十億參數(shù)的人工智能（AI）模型可以在一系列任務中實現(xiàn)高精度，但它們加劇了傳統(tǒng)通用處理器（例如圖形處理單元或中央處理單元）的低能效。模擬內存計算（模擬 AI）可以通過在“內存塊”上并行執(zhí)行矩陣向量乘法來提供更好的能源效率。然而，模擬人工智能尚未在需要許多此類圖塊以及圖塊之間神經(jīng)網(wǎng)絡激活的有效通信的模型上證明軟件等效（SWeq）準確性。

有鑒于此，美國IBM 研究中心S. Ambrogio（一作兼通訊）等人展示了一款14 nm的模擬 AI 芯片，該芯片結合了跨 34 個區(qū)塊的 3500 萬個相變存儲器件、大規(guī)模并行區(qū)塊間通信和模擬低功耗外圍電路，可實現(xiàn)12.4 萬億次 / 秒 / 瓦運算性能，能效是傳統(tǒng)數(shù)字計算機芯片的14倍。作者展示了小型關鍵字識別網(wǎng)絡的完全端到端 SWeq 精度，以及更大的 MLPerf 循環(huán)神經(jīng)網(wǎng)絡傳感器 （RNNT） 上接近 SWeq 的精度，其中超過4500萬個權重映射到跨越5個芯片的1.4億個相變存儲器件上。

芯片架構

作者展示了芯片的顯微照片，突出顯示了34個模擬塊的 2D 網(wǎng)格，每個塊都有512×2048PCM 交叉陣列。當持續(xù)時間向量從模擬快發(fā)送到OLP時，芯片有效地實現(xiàn)了基于斜坡的模數(shù)轉換器 （ADC）。所有權重配置、MAC操作和路由方案均由每個圖塊上可用的用戶可配置本地控制器（LC） 定義。本地SRAM存儲定義數(shù)百個控制信號的時間序列的所有指令，從而實現(xiàn)高度靈活的測試并簡化設計驗證，與預定義狀態(tài)機相比，面積損失較小。作者驗證了持續(xù)時間可以在整個芯片上可靠地傳輸，最大誤差等于5ns（較短持續(xù)時間為 3ns）。

圖 芯片架構

圖 可重構架構和路由

KWS任務

為了演示芯片在端到端網(wǎng)絡中的性能，實現(xiàn)了多類KWS任務。作者采用了 FC網(wǎng)絡，實現(xiàn)了 86.75% 的分類準確度。為了在芯片上實現(xiàn)完全端到端的傳輸，作者進行了一系列修改，最終端到端實現(xiàn)總共使用四個圖塊。為了提高MAC精度并補償外圍電路的不對稱性，引入了MAC不對稱平衡（AB）方法，測得的KWS精度為86.14%，完全在 MLPerf SWeq“等精度”極限 85.88%之內。

圖 端到端 KWS 任務

芯片上的 RNNT 映射

作者實施了MLPerf數(shù)據(jù)中心網(wǎng)絡RNNT作為行業(yè)相關的工作負載演示。當 RNNT等大型DNN以降低的數(shù)字精度實現(xiàn)時，整個網(wǎng)絡的最佳精度選擇可能會有所不同。研究表明即使使用激進的量化，不易受影響的層或整個網(wǎng)絡塊仍將提供較低的 WER，而高度敏感的塊即使對于少量的權重量化也將表現(xiàn)出較高的 WER。對每個單獨的層重復此過程以識別最敏感的層，接著將 MLPerf 權重映射到分布在5個芯片上的142個圖塊上。在總共 45，321，309 個網(wǎng)絡權重和偏差參數(shù)中，45，261，568 個被映射到模擬存儲器（權重的 99.9%）。

圖 用于語音轉錄的 MLPerf RNNT 網(wǎng)絡

準確度結果

作者展示了2513個音頻查詢的完整 Librispeech 驗證數(shù)據(jù)集的權重映射和編程后的實驗WER?？俉ER為9.475%，與SW 基線相比總體下降了 2.02%。在本實驗中，通過芯片推斷完整的Librispeech驗證數(shù)據(jù)集并保存輸出結果。然后將這些輸入到芯片 2 中，依此類推，輸入到所有 5 個芯片中。即使在PCM漂移超過1周后重復進行，且沒有任何重新校準或重量重新編程，RNNT WER 也僅下降了 0.4%。

圖 在 MLPerf RNNT上使用Librispeech進行WER實驗

電源和系統(tǒng)性能

作者還測量了推理操作期間每個芯片的全部功耗。所有控制和通信電路均以 0.8V 驅動。芯片最佳功率性能 為12.40 TOPS/W。通過將積分時間減半，芯片的 TOPS/W 可以再提高 25%，但 WER 會額外降低1%。隨著重量的增加，使用本文報道的芯片的模擬人工智能系統(tǒng)可以在3.57W的功率下實現(xiàn)6.704TOPS/W，比MLPerf的最佳能效提高了14 倍，WER 為 9.258%。

圖 MLPerf RNNT功率和系統(tǒng)性能