Ανακοίνωση του επεξεργαστή Cerebras ― Cerebras Wafer Scale Engine (WSE) ή Cerebras scale engine wafer ―
Το Cerebras WSE παράγεται από την TSMC. Τεχνολογική διαδικασία - 16 nm FinFET. Αυτός ο Ταϊβανέζος κατασκευαστής αξίζει επίσης ένα μνημείο για την κυκλοφορία του Cerebra. Η παραγωγή ενός τέτοιου τσιπ απαιτούσε την υψηλότερη ικανότητα και την επίλυση πολλών προβλημάτων, αλλά άξιζε τον κόπο, διαβεβαιώνουν οι προγραμματιστές. Το τσιπ Cerebras είναι ουσιαστικά ένας υπερυπολογιστής σε ένα τσιπ με απίστευτη απόδοση, ελάχιστη κατανάλωση ενέργειας και φανταστικό παραλληλισμό. Αυτή είναι πλέον η ιδανική λύση μηχανικής εκμάθησης που θα επιτρέψει στους ερευνητές να αρχίσουν να επιλύουν προβλήματα εξαιρετικής πολυπλοκότητας.
Κάθε μήτρα Cerebras WSE περιέχει 1,2 τρισεκατομμύρια τρανζίστορ, οργανωμένα σε 400 υπολογιστικούς πυρήνες βελτιστοποιημένους για τεχνητή νοημοσύνη και 000 GB τοπικής κατανεμημένης SRAM. Όλα αυτά συνδέονται με ένα δίκτυο πλέγματος με συνολική απόδοση 18 petabit ανά δευτερόλεπτο. Το εύρος ζώνης μνήμης φτάνει τα 100 PB/s. Η ιεραρχία της μνήμης είναι ενός επιπέδου. Δεν υπάρχει προσωρινή μνήμη, καμία επικάλυψη και ελάχιστες καθυστερήσεις πρόσβασης. Είναι μια ιδανική αρχιτεκτονική για την επιτάχυνση εργασιών που σχετίζονται με την τεχνητή νοημοσύνη. Γυμνοί αριθμοί: σε σύγκριση με τους πιο σύγχρονους πυρήνες γραφικών, το τσιπ Cerebras παρέχει 9 φορές περισσότερη μνήμη στο chip και 3000 φορές μεγαλύτερη ταχύτητα μεταφοράς μνήμης.
Οι υπολογιστικοί πυρήνες εγκεφάλων - SLAC (Sparse Linear Algebra Cores) - είναι πλήρως προγραμματιζόμενοι και μπορούν να βελτιστοποιηθούν για εργασία με οποιαδήποτε νευρωνικά δίκτυα. Επιπλέον, η αρχιτεκτονική του πυρήνα φιλτράρει εγγενώς δεδομένα που αντιπροσωπεύονται με μηδενικά. Αυτό απελευθερώνει υπολογιστικούς πόρους από την ανάγκη εκτέλεσης πράξεων αδρανούς πολλαπλασιασμού με μηδέν, κάτι που για αραιά φορτία δεδομένων σημαίνει ταχύτερους υπολογισμούς και εξαιρετική ενεργειακή απόδοση. Έτσι, ο επεξεργαστής Cerebras αποδεικνύεται ότι είναι εκατοντάδες ή και χιλιάδες φορές πιο αποτελεσματικός για τη μηχανική εκμάθηση όσον αφορά την περιοχή και την κατανάλωση των τσιπ από τις τρέχουσες λύσεις για τεχνητή νοημοσύνη και μηχανική μάθηση.
Κατασκευή τσιπ παρόμοιου μεγέθους
Πηγή: 3dnews.ru