About / Advertise
Inte nog med att HP bygger ett artificiellt neuronnät av memristorer, att de är neuromorfa och att de sägs ha mellan 1000 och 10 000 gånger högre prestanda än en neuronnäts-asic – kretsen är dessutom avsett för rymdbruk.
Mer spännande än så kan knappast ett utvecklingsprojekt för ett neuronnätschips låta.
Hewlett Packard Enterprise påpekar att satelliter av idag skickar hem gigantiska volymer sensordata till jorden för beräkningar. Det är en kostsam operation, och det vore bättre om en del av den bearbetningen kunde ske ombord.
Dessutom diskuteras expeditioner till Mars. Därifrån tar en sensorrapport 20 minuter att skicka hem till jorden och lika lång tid tar det för responsen att sändas tillbaka. Så de maskiner vi sänder till mars skulle ha stora nytta av att vara autonoma och intelligenta.
Alltså har HPE sparkat igång projektet Extreme Edge research, som inte bara omfattar beräkningshårdvara, utan även sensorer, aktuatorer och system för användning i rymden,
Extreme Edge-produkterna behöver låg strömförbrukning och ska vara tåliga mot strålning, extrema temperaturer och allt annat som rymdhårdvara utsätts för.
Neuronnätsprocessorn finns redan som prototyp efter ett tidigare projekt tillsammans med Nasa för att ta fram en superdator som kunde användas på den internationella rymdstationen.
Processorn heter Dot Product Engine (DPE). Om du är bevandrad i linjär algebra vet du att skalärprodukter – som dot product heter på svenska – är den grundläggande operation som utförs när matriser multipliceras vilket i sin tur är den grundläggande operationen i neuronnätsalgoritmer, vare sig de är djupa neurronnät (DNN), återkopplade nät (RNN) eller konvolutionsnät (CNN).
DPE:n är rekonfigurerbar och används för neuronnätsinferens, snarare än träning. Prototypen kan användas som en självständig beräkningskomponent, eller som en accelerator via PCI Express.
HPE berättar att kretsen arbetar med analoga signaler.
– DPE exekverar linjär algebra i den analoga domänen, vilket är mer effektivt än digitala implementeringar, som dedikerade asicar, säger HP:s serverchef Tom Bradicich.
– Den är snabb för att den använder Ohms lag på en memristor-array för att göra vektor-matrismultiplikationer. Den har dessutom fördelen att den kan rekonfigureras i flykten.
Den kan dessutom omvänds för andra skalärproduktsorienterade algoritmer, som fouriertransformationer, cosinustransformationer, och konvolution.
Enligt Tom Bradicich är ingen konkurrerande halvledartillverkare i närheten av att lansera en lika strömsnål och kraftfull neuronprocessor som DPE.
En forskningsrapport från hans personal styrker påståendet. I en simulerad jämförelse med en skräddarsydd asic löste DPE:n en mönsterigenkänningsuppgift med samma noggrannhet, men mellan 1000 och 10 000 gånger snabbare.
I slutet av denna månad håller HPE ett evenemang i Spanien där prototypen kommer att demonstreras.
Det är inte självklart att HPE:s utvecklingsprojekt kommer att leda fram till produktifiering.
Många företag utvecklar just nu hårdvara för att accelerera AI-beräkningar i form av neuronnätsalgoritmer. Apple och Huawei har presenterat telefoner med neuronnätschip och många fler tillämpningar är på gång. Läs Elektroniktidningens översikt över detta heta område här (länk).
