Новая схема вычислений ускорила машинное обучение
И повысило эффективностьУченые из Пекинского университета под руководством профессора Сун Чжуна представили новую схему вычислений, которая не только ускоряет процесс машинного обучения, но и повышает энергоэффективность традиционных операций с данными. Их работа, опубликованная в журнале Device, направлена на решение проблемы узкого места архитектуры фон Неймана, которое ограничивает обработку данных.
/imgs/2024/09/26/19/6606949/1e0836f6e2dc7c8260bafec4329f108374818619.jpeg "Новая схема вычислений ускорила машинное обучение")
© Ferra.ru
С ростом объемов данных производительность вычислений часто сдерживается перемещением данных и несоответствием скорости обработки. Команда разработала схему двойного вычисления в памяти (dual-IMC), которая позволяет хранить как веса, так и входные данные нейронной сети в памяти, обеспечивая выполнение операций в полностью встраиваемом режиме.
Тестирование двойной схемы на устройствах с резистивной памятью с произвольным доступом (RRAM) показало значительные преимущества: повышение эффективности, оптимизацию производительности вычислений и снижение затрат на производство.
/imgs/2024/09/26/19/6606947/6ad10b24c8ab1f20bc80fc1411cade13685b39d8.jpg "Новая схема вычислений ускорила машинное обучение")
© Device