Piirinvalmistajat kehittävät kilvan ratkaisuja, joilla tekoäly ja neuroverkkolaskenta saataisiin integroitua laitteisiin pilven sijaan. Renesas Electronics on esitellyt AI-kiihdytyspiirin, joka perustuu uudenlaiseen PIM-tekniikkaan (processing-in-memory).
PIM-tekniikka on kasvattanut suosiotaan tutkimuskohteena, mutta siihen sisältyy monia haasteita. Nyt Renesas on onnistunut PIM-lohkon integroimiseen SRAM-piiriin, millä päästään ennätykselliseen energiatehokkuuteen konvoluutioneuroverkkolaskennassa.
Renesasin saavuttama lukema on 8,8 TOPS/W eli 8,8 teraoperaatiota sekunnissa yhtä wattia kohti. Renesasin mukaan lukema on tähän asti paras AI-prosessoinnin energiatehokkuudessa.
PIM-tekniikassa kerto- ja yhteenlaskuja suoritetaan SRAM-muistissa. Tämä edellytti useita innovatiivisia ratkaisuja, jotka Renesas esitteli Kiotossa järjestetyssä VLSI Technology and Circuits -symposiumissa. Tapahtumassa Renesas esitteli myös testipiiriä, joka prosessoi kuvantunnistusalgoritmia.
Tähän asti PIM-arkkitehtuurissa on ollut ongelmia päästä neuroverkkolaskennassa riittävään tarkkuuteen, koska SRAM-rakenne pystyi käsittelemään vain bittiarvoja 1 tai 0. Renesasin uusi SRAM-rakenne on kolmiosainen ja siinä voidaan solun virtatasojen perusteella erottaa kolme eri arvoa. Tämä mahdollistaa riittävän tarkkuuden AI-laskennassa.
PIM-arkkitehtuurissa arvo luetaan bittilinjan virrasta. Uudessa rakenteessa Renesas yhdisti komparaattorin (1-bittinen vahvistin) ja toisen kopiosolun, jossa virtaa voidaan kontroloida joustavasti niin, että datanluku onnistuu erittäin tarkasti.
Toinen ongelma on liittynyt SRAM-prosessin variaatioihin, minkä takia eri lohkoissa laskennan luotettavuus on heitellyt. Renesas ratkaisi asian sisällyttämällä piirille useita laskentalohkoja, joissa variaatio olisi minimaalinen. Tämän ansiosta laskentavirheet jäävät niin harvinaisiksi, että ne voidaan sivuuttaa. Testipiirillä Renesas ylsi 99 prosentin varmuuteen kuvantunnistuksessa.