Итальянские ученые разработали аналоговый процессор для ускорения вычислений

В Италии ученые создали прототип аналогового процессора, обеспечивающего многократное ускорение обработки данных в сферах искусственного интеллекта, робототехники и больших данных. Этот процессор проводит вычисления непосредственно в своей памяти, что позволяет снижать потребление энергии до 5000 раз по сравнению с традиционными цифровыми системами. Данная работа является продолжением исследований в области вычислений в памяти, направленных на устранение «узких мест» классической архитектуры фон Неймана, которые увеличивают задержки и расход энергии.

В новом чипе, разработанном в Миланском политехническом университете, реализованы два массива памяти, объединенных в аналоговую петлю обратной связи, что позволяет производить операции матричного умножения непосредственно в памяти. Эффективность ускорителя была продемонстрирована на задачах, таких как отслеживание траектории ракеты и вычисление обратной кинематики для робототехники, показывая сопоставимую точность с цифровыми системами и значительное преимущество по задержке, энергопотреблению и занимаемой площади кристалла.

Вопрос-ответ

В чем заключается главная особенность нового аналогового процессора?

Ключевая особенность процессора — это технология «вычислений в памяти». Он выполняет операции матричного умножения непосредственно внутри своих массивов памяти, используя аналоговую петлю обратной связи. Это позволяет избежать постоянной передачи данных между процессором и памятью, устраняя так называемое «узкое место» классической архитектуры фон Неймана.

Какие основные преимущества он дает по сравнению с традиционными цифровыми системами?

Новый процессор демонстрирует многократное ускорение обработки данных, а также значительно снижает энергопотребление — до 5000 раз. Кроме того, он имеет меньшую задержку и занимает меньшую площадь на кристалле, сохраняя при этом точность вычислений, сопоставимую с цифровыми системами.

Для решения каких задач может применяться эта технология?

Технология наиболее эффективна в сферах, требующих быстрой обработки больших массивов данных. В статье упоминаются искусственный интеллект, робототехника и большие данные. В качестве конкретных примеров были успешно решены задачи по отслеживанию траектории ракеты и вычислению обратной кинематики для робототехнических систем.