与今天的4-5%相比,这是一个急剧增加。这足以证明寻找新的,更节能的计算架构是合理的。然而,第二个挑战与计算密集型实时机器学习应用程序(例如无人驾驶车辆)有关,这些应用程序难以实现所需的响应时间。这两个挑战可以一起观察每瓦特每秒操作(TOPS)的镜头,这在前面的故事中有所描述,它揭示了“几个数量级”的差距。
领导英特尔组件研究部门硬件开发项目的Sasikanth Manipatruni通过另一个镜头看到了这个问题:热火。一些新的AI芯片使用了如此多的功率,它们需要消耗多达100 W / sq。厘米甚至更多。这通常需要定期关闭芯片以用于冷却目的,这显然影响性能。
通过ATX,您将学习如何在智能制造中实现投资回报率以及在制造业领域保持领先地位的其他方式。与450多家供应商会面,了解虚拟和增强现实在制造业中的作用。学到更多!
摩尔定律自计算机行业成立以来一直受到欢迎,它已经失去了动力(英特尔本身正在努力将其晶体管扩展到10纳米以下),当前这一代基于CMOS的器件能够提供所需的性能和能效水平。明天的申请?
Ramesh和Manipatruni一直致力于开发一种新的架构,在回答这个问题时表现出很大的希望。一个重要的组成部分是解决Ramesh所谓的“内存墙”,这实际上是将信息移入和移出内存并返回处理器所需的时间。新架构基于一组称为多铁性的量子材料,这些材料固有地表现出磁极化和电极极化,实质上,它们允许存储器和处理器共存于同一空间。这两个最近发表了一篇关于它自然题为“可扩展的高效节能磁自旋轨道的逻辑。”
本文描述了一种逻辑开关,它使用磁自旋-轨道(MESO)逻辑10进行操作-18焦耳-幅度比CMOS的能量消耗较低的大致六个数量。拉梅什表示,虽然仍然需要进行大量创新才能将其推向市场,“如果这些创新发生,我们就有一条良好的途径去制造下一代微电子元件。”
新的逻辑开关是两个独立开发的结果。首先,由伯克利的拉梅什集团开发室温磁电。这种材料可以实现处理,存储和互连,并且能够在低至100mV的工作电压下实现这一目标。
这一切都很有希望,但它遗漏了一个关键部分:你如何从设备中读出来?
这一发现发生在2012年,当时Manipatruni参加了法国诺贝尔奖获得者Albert Fert的讲座,该讲座描述了一种称为旋转轨道穿越的现象,它提供了一种传感手段。Manipatruni立即知道这可以与伯克利开发的多铁性相结合,以达到预期的效果。将它作为第一个MESO设备一起花了六年时间。
根据Manipatruni的说法,自90年代末期以来已经考虑了大约40-50种拓扑结构,但直到现在它们都没有达到所有组合标准。这种新型架构可以实现这一目标,并且具有极高的能效。
MESO器件在这一点上是一个相当原始的原型,实际上是自旋电子学和基于电荷的器件的混合体。尽管如此,Manipatruni称之为“一条开创路线的发展”。
虽然它可能不严格属于摩尔定律的定义,但它将允许制造商继续沿着计算机扩展路径前进。这一点至关重要,因为每次将尺寸缩小一半,都会将功率降低8倍。
“如果你使用这些新功能,你可以制作一个基于自旋电子的设备,可以同时执行你的逻辑和内存,”Ramesh说。“这是一项重大创新。与CMOS不同,你使用晶体管来做它,我们说我们可以使用'集体现象',其中铁磁体是一种集体量子力学现象。铁电体是一种集体现象,CMOS中的电子不是集体行为。所以我们说我们可以使用材料的内部能量来尝试进入不同的能源环境,因为需要多少能量来使设备工作...... MESO设备基本上是做自旋电子设备,但用电场操纵一切。“
今天人们正在使用自旋转移扭矩进行自旋电子学,这会消耗大量能量,因为你必须运行电流来控制磁场。拉梅什说,同样重要的是要注意,尽管量子材料正在被使用,“这不应该与量子计算相混淆,量子计算完全是另一回事。”
铁电材料的使用也意味着这种方法本质上是非挥发性的。这意味着即使关闭电源,存储器也会保留其内容。Ramesh说:“我们相信这在能源消耗方面将是一个很大的优势。当然,降低功率也会减少热量,这意味着你可以在没有过热的情况下将更多的AI芯片添加到汽车中。”
虽然人们一直在研究多种铁素体,但它确实是高速人工智能的杀手级应用,它带来了新的兴趣。
“这样做的目的是在整个行业和学术界引发这种创新,”Manipatruni在谈到自然研究时说道,“有些设备可以在室温下工作,让我们继续沿着计算机扩展。”第一条消息。“第二个是“有许多关键技术需要开发才能实现:电源,交付,时钟,新的计算机架构等”
RP Siegel,PE,拥有机械工程硕士学位,在施乐公司研发工作了20年。拥有50项专利的发明家,现在是全职作家,RP在技术与社会的交叉点上找到了自己的主要兴趣。他的作品出现在多个消费者和工业界。他还合着了生态惊悚片Vapor Trails。