Anuncio del procesador Cerebras ― Cerebras Wafer Scale Engine (WSE) o Cerebras Wafer Scale Engine ―
Cerebras WSE es producido por TSMC. Proceso tecnológico: FinFET de 16 nm. Este fabricante taiwanés también merece un monumento por el lanzamiento de Cerebras. La producción de un chip de este tipo requirió la mayor habilidad y la solución de muchos problemas, pero valió la pena, aseguran los desarrolladores. El chip Cerebras es esencialmente una supercomputadora en un chip con un rendimiento increíble, un consumo de energía mínimo y un paralelismo fantástico. Actualmente, esta es la solución de aprendizaje automático ideal que permitirá a los investigadores comenzar a resolver problemas de extrema complejidad.
Cada chip Cerebras WSE contiene 1,2 billones de transistores, organizados en 400 núcleos informáticos optimizados para IA y 000 GB de SRAM distribuida localmente. Todo esto está conectado por una red en malla con un rendimiento total de 18 petabits por segundo. El ancho de banda de la memoria alcanza los 100 PB/s. La jerarquía de la memoria es de un solo nivel. No hay memoria caché, no hay superposición y los retrasos de acceso son mínimos. Es una arquitectura ideal para acelerar las tareas relacionadas con la IA. Números simples: en comparación con los núcleos gráficos más modernos, el chip Cerebras proporciona 9 veces más memoria en el chip y 3000 veces más velocidad de transferencia de memoria.
Los núcleos informáticos de Cerebras, SLAC (Sparse Linear Algebra Cores), son totalmente programables y pueden optimizarse para trabajar con cualquier red neuronal. Además, la arquitectura del kernel filtra inherentemente los datos representados por ceros. Esto libera recursos informáticos de la necesidad de realizar operaciones inactivas de multiplicación por cero, lo que para cargas de datos escasas significa cálculos más rápidos y una eficiencia energética extrema. Así, el procesador Cerebras resulta ser cientos o incluso miles de veces más eficiente para el aprendizaje automático en términos de área de chip y consumo que las soluciones actuales para IA y aprendizaje automático.
Fabricar un chip de tamaño similar
Fuente: 3dnews.ru