Annoncering af Cerebras-processoren - Cerebras Wafer Scale Engine (WSE) eller Cerebras siliciumplade-motor - i forbindelse med den årlige konference Hot Chips 31. Når man ser på denne siliciumskat, er det ikke engang det mest overraskende, at den er blevet produceret. Det, der imponerede, var modet bag designet og arbejdet fra udviklerne, der tørrede at udvikle en chip med et areal på 46.225 kvadratmillimeter med sider på 21,5 cm. Til fremstillingen af én processor kræves der en hel 300 mm plade. Ved den mindste fejl er kvalitetsniveauet 100 %, og det er svært at forestille sig prisen.
Produktionen af Cerebras WSE udføres af TSMC. Teknologi-processen er 16 nm FinFET. Denne taiwanesiske producent har også fortjent et monument for at producere Cerebras. Produktion af en sådan chip krævede højeste håndværk og løsning af mange problemer, men det var det værd, mener udviklerne. Cerebras-chippen er i praksis en supercomputer på en chip med utrolig båndbredde, minimalt forbrug og fantastisk parallelitet. I øjeblikket er det den perfekte løsning til maskinlæring, som vil give forskere mulighed for at begynde at løse ekstremt komplekse opgaver.
Hver Cerebras WSE-chip indeholder 1,2 billioner transistorer organiseret i 400.000 AI-optimerede beregningskerner og 18 GB lokal distribueret SRAM-hukommelse. Alt dette er forbundet i et gitternetværk med en samlet ydeevne på 100 petabit pr. sekund. Hukommelsesbåndbredden når op på 9 PB/s. Hierarkiet af hukommelse er flad. Der er ingen cache, ingen overlapning, og adgangsforsinkelserne er minimale. Dette er den ideelle arkitektur til acceleration af AI-relaterede opgaver. Bare tal: sammenlignet med de mest moderne grafiske kerner giver Cerebras-chippen 3000 gange større hukommelse på chippen og 10.000 gange hurtigere dataudveksling med hukommelsen.
Cerebras' compute cores — SLAC (Sparse Linear Algebra Cores) — er fuldt programmerbare og kan optimeres til at arbejde med enhver form for neurale netværk. Desuden filtrerer arkitekturen af kernerne oprindeligt data præsenteret som nuller. Dette frigør beregningsressourcer fra at skulle udføre unødvendige multiplikationer med nul, hvilket betyder hurtigere beregninger og maksimal energieffektivitet for opgaver med sparsomme data. Dermed bliver Cerebras-processoren hundrede eller endda tusinde gange mere effektiv til maskinlæring med hensyn til den anvendte areal på krystallen og dets energiforbrug sammenlignet med eksisterende AI- og maskinlæringsløsninger.
Fremstillingen af en chip i denne størrelse en masse unikke løsninger. Den skulle næsten pakkes manuelt. Der opstod problemer med at føre strøm til krystallen og med kølingen af det. Varmeafledningen kunne kun ske gennem væske og kun ved at organisere zoneret tilførsel med vertikal cirkulation. Alligevel blev alle problemer løst, og chippen blev operationel. Det vil være interessant at se dens praktiske anvendelse.
Kilde: 3dnews.ru
