Cerebras պրոցեսորի հայտարարություն — Cerebras Wafer Scale Engine (WSE) կամ Cerebras wafer scale շարժիչ — Որպես ամենամյա Hot Chips 31 կոնֆերանսի մի մաս, նայելով այս սիլիկոնային հրեշին, զարմանալին այն չէ, որ նրանք կարող էին ազատել այն մարմնում: Դիզայնի խիզախությունը և մշակողների աշխատանքը, ովքեր ռիսկի են դիմել 46 քառակուսի միլիմետր մակերեսով 225 սմ կողմերով բյուրեղի մշակման համար, զարմանալի են մեկ պրոցեսոր պատրաստելու համար: Ամենափոքր սխալի դեպքում թերության մակարդակը կազմում է 21,5%, իսկ թողարկման արժեքը նույնիսկ դժվար է պատկերացնել։
Cerebras WSE-ն արտադրվում է TSMC-ի կողմից: Տեխնոլոգիական գործընթաց - 16 նմ FinFET: Այս թայվանական արտադրողը նույնպես արժանի է հուշարձանի՝ Cerebras-ի թողարկման համար: Նման չիպի արտադրությունը պահանջում էր ամենաբարձր հմտություն և շատ խնդիրներ լուծել, բայց արժեր, վստահեցնում են մշակողները։ Cerebras չիպը, ըստ էության, գերհամակարգիչ է չիպի վրա, որն ունի անհավանական թողունակություն, էներգիայի նվազագույն սպառում և ֆանտաստիկ զուգահեռականություն: Սա այժմ մեքենայական ուսուցման իդեալական լուծումն է, որը թույլ կտա հետազոտողներին սկսել ծայրահեղ բարդության խնդիրներ լուծել:
Cerebras WSE-ի յուրաքանչյուր միջուկը պարունակում է 1,2 տրիլիոն տրանզիստորներ՝ կազմակերպված 400 AI-ով օպտիմիզացված հաշվողական միջուկների և 000 ԳԲ տեղական բաշխված SRAM-ի մեջ: Այս ամենը միացված է ցանցային ցանցով, որի ընդհանուր թողունակությունը կազմում է վայրկյանում 18 Փեթաբիթ: Հիշողության թողունակությունը հասնում է 100 PB/վ: Հիշողության հիերարխիան մեկ մակարդակի է: Չկա քեշի հիշողություն, համընկնումը և մուտքի նվազագույն ուշացումները: Այն իդեալական ճարտարապետություն է AI-ի հետ կապված առաջադրանքները արագացնելու համար: Մերկ թվեր. ամենաժամանակակից գրաֆիկական միջուկների համեմատ՝ Cerebras չիպն ապահովում է 9 անգամ ավելի շատ հիշողություն և 3000 անգամ ավելի շատ հիշողություն փոխանցելու արագություն:
Ուղեղի հաշվողական միջուկները՝ SLAC (Sparse Linear Algebra Cores) - լիովին ծրագրավորվող են և կարող են օպտիմիզացվել ցանկացած նեյրոնային ցանցերի հետ աշխատելու համար: Ավելին, միջուկի ճարտարապետությունը զտում է զրոներով ներկայացված տվյալները: Սա ազատում է հաշվողական ռեսուրսները զրոյական գործառնություններով անգործուն բազմապատկելու անհրաժեշտությունից, ինչը նոսր տվյալների բեռների դեպքում նշանակում է ավելի արագ հաշվարկներ և էներգաարդյունավետություն: Այսպիսով, Cerebras պրոցեսորը պարզվում է, որ հարյուրավոր կամ նույնիսկ հազարավոր անգամ ավելի արդյունավետ է մեքենայական ուսուցման համար՝ չիպի տարածքի և սպառման առումով, քան AI-ի և մեքենայական ուսուցման ներկայիս լուծումները:
Նման չափի չիպերի արտադրություն շատ յուրահատուկ լուծումներ: Այն նույնիսկ գրեթե ձեռքով պետք է փաթեթավորվեր պատյանի մեջ: Խնդիրներ են եղել բյուրեղին հոսանք մատակարարելու և այն սառեցնելու հետ կապված։ Ջերմահեռացումը հնարավոր դարձավ միայն հեղուկով և միայն ուղղահայաց շրջանառությամբ գոտիական մատակարարման կազմակերպմամբ։ Այնուամենայնիվ, բոլոր խնդիրները լուծվեցին, և չիպը դուրս եկավ աշխատունակ: Հետաքրքիր կլինի իմանալ դրա գործնական կիրառման մասին։
Source: 3dnews.ru