Annoncering af Cerebras processor ― Cerebras Wafer Scale Engine (WSE) eller Cerebras wafer scale engine ― som en del af den årlige Hot Chips 31-konference. Når man ser på dette siliciummonster, er det overraskende ikke engang det faktum, at de kunne frigive det i kødet. Modet til designet og arbejdet fra udviklerne, der risikerede at udvikle en krystal med et areal på 46 kvadratmillimeter med sider på 225 cm, er overraskende. Det kræver en hel 21,5 mm wafer at lave én processor. Med den mindste fejl er fejlprocenten 300%, og omkostningerne ved problemet er svære at forestille sig.
Cerebras WSE er produceret af TSMC. Teknologisk proces: 16 nm FinFET. Denne taiwanske producent fortjener også et monument for udgivelsen af Cerebras. Produktionen af en sådan chip krævede den højeste færdighed og løste en masse problemer, men det var det værd, forsikrer udviklerne. Cerebras-chippen er i bund og grund en supercomputer på en chip med en utrolig gennemstrømning, minimalt strømforbrug og fantastisk parallelitet. Dette er nu den ideelle maskinlæringsløsning, der giver forskere mulighed for at begynde at løse problemer med ekstrem kompleksitet.
Hver Cerebras WSE-matrice indeholder 1,2 billioner transistorer, organiseret i 400 AI-optimerede computerkerner og 000 GB lokalt distribueret SRAM. Alt dette er forbundet med et mesh-netværk med en samlet gennemstrømning på 18 petabits i sekundet. Hukommelsesbåndbredden når 100 PB/s. Hukommelseshierarkiet er på et niveau. Der er ingen cachehukommelse, ingen overlapning og minimale adgangsforsinkelser. Det er en ideel arkitektur til at accelerere AI-relaterede opgaver. Nøgne tal: Sammenlignet med de mest moderne grafikkerner giver Cerebras-chippen 9 gange mere on-chip-hukommelse og 3000 gange større hukommelsesoverførselshastighed.
Cerebras computerkerner - SLAC (Sparse Linear Algebra Cores) - er fuldt programmerbare og kan optimeres til at arbejde med alle neurale netværk. Desuden filtrerer kernearkitekturen i sagens natur data repræsenteret ved nuller. Dette frigør computerressourcer fra behovet for at udføre inaktiv multiplikation med nul-operationer, hvilket for sparsomme databelastninger betyder hurtigere beregninger og ekstrem energieffektivitet. Cerebras-processoren viser sig således at være hundredvis eller endda tusindvis af gange mere effektiv til maskinlæring med hensyn til chipareal og forbrug end nuværende løsninger til AI og maskinlæring.
Fremstilling af en chip af lignende størrelse en masse unikke løsninger. Det skulle endda pakkes ind i kufferten næsten i hånden. Der var problemer med at levere strøm til krystallen og afkøle den. Varmefjernelse blev kun mulig med væske og kun med organisering af zoneforsyning med vertikal cirkulation. Men alle problemerne blev løst, og chippen kom ud at virke. Det vil være interessant at lære om dens praktiske anvendelse.
Kilde: 3dnews.ru