标题:
机器学习改写芯片设计决策架构
[打印本页]
作者:
yuchengze
时间:
2017-4-18 19:34
标题:
机器学习改写芯片设计决策架构
在日前于计算器器学会(ACM)举办的国际实体设计会议(ISPD)上，一位专题演讲的主讲人表示，实时的机器学习(machine learning)典范正在改写
芯片设计
的决策架构，进一步为
微芯片
的实体设计减少许多人为因素。
IEEE暨
英特尔
(Intel)平行运算实验室院士Pr
ade
ep Dubey在ISPD专题演讲上发表「追求终极学习机器」(Quest for the Ul
tim
ate Learning Machine)时提到，认知计算机将取代许多人为因素。
Dubey说：「传统上，机器负责运算数字，而人类则在芯片的实体设计上做决定。 但是，机器现在可以同时做到这两部份，而使运算提升至一个全新的领域。 」
以往将决策工作交给计算机的任务——即基于规则而定的人工智能(AI)，如今无法再持续进行了，因为每一位专家都有自己的风格，而无法达成一套最佳的原则。 然而，当今的认知计算机能够执行与人类决策行为有关的四个步骤，即感知、推理、行动、适应并重复，直到达成优化设计。
然而，当今基于神经网络的
深度学习
认知计算机能够执行这四个步骤中的每一步，尽管每一步骤中都存在延迟。 据Dubey表示，我们今天的任务是提高每个步骤的速度，直到实现实时作业，让认知计算机能接管微芯片实体设计中的人为因素。
根据Dubey的说法，最大的障碍在于感测和推理步骤期间的深度学习。 为了克服英特尔为其Xeon
处理器
系列添加新款Lake Crest的挑战，利用了去年收购Nervana Systems取得的硬件神经网络。 Dubey强调，Lake Crest将使深度学习能够实时呈现用于生产十亿闸芯片的巨量数据(Big Data)组合。
另一方面，赛灵思(Xilinx)资深副总裁兼技术长Ivo Bo
lse
ns表示，只需使用现场
可编程
门阵列(
FPGA
)就能达完成同样的任务。 (当然，英特尔也因为在2015年收购Altera而拥有FPGA技术)。 然而，Bolsens声称，FPGA可以加速深度学习的脚步，最终实现让SoC的每一部份都是硬件可配置的「全可编程平台」(all programmable platform)。
Bolsens表示：「FPGA的最大优势在于具有丰富的互连。 而且，FPGA还拥有大量的全局内存与数据流架构，可有效地搭配机器学习运作。 」
Bolsens还声称，截至目前为止，FPGA比起其他任何类型的芯片更能有效利用
摩尔定律
(Moore’s Law)，FPGA目前可实现多达13层的可编程互连，因而能让任何闸之间彼此交流。 此外，28nm可说是FPGA的最佳选择，因为这一节点时的每闸成本(cost-per-gate)达到最小化——毕竟随着FPGA用于越来越小的几何尺寸，其成本也相对提高中。 在相同的
封装
中使用多个芯片，能够达到以每秒150Gbps的短距离互连，在系统级封装(SiP)中达到1Gbps。
欢迎光临 电子技术论坛_中国专业的电子工程师学习交流社区-中电网技术论坛 (http://bbs.eccn.com/)
Powered by Discuz! 7.0.0
