Annuncio del processore Cerebras ― Cerebras Wafer Scale Engine (WSE) o motore Cerebras wafer scale ―
Cerebras WSE è prodotto da TSMC. Processo tecnologico: FinFET da 16 nm. Anche questo produttore taiwanese merita un monumento per l'uscita di Cerebras. La produzione di un tale chip ha richiesto la massima abilità e la risoluzione di molti problemi, ma ne è valsa la pena, assicurano gli sviluppatori. Il chip Cerebras è essenzialmente un supercomputer su un chip con un throughput incredibile, un consumo energetico minimo e un parallelismo fantastico. Questa è ora la soluzione ideale di machine learning che consentirà ai ricercatori di iniziare a risolvere problemi di estrema complessità.
Ogni die WSE di Cerebras contiene 1,2 trilioni di transistor, organizzati in 400 core di calcolo ottimizzati per l'intelligenza artificiale e 000 GB di SRAM distribuita localmente. Tutto questo è collegato da una rete mesh con un throughput totale di 18 petabit al secondo. La larghezza di banda della memoria raggiunge i 100 PB/s. La gerarchia della memoria è a livello singolo. Non c'è memoria cache, nessuna sovrapposizione e ritardi di accesso minimi. È un’architettura ideale per accelerare le attività legate all’intelligenza artificiale. Numeri nudi: rispetto ai core grafici più moderni, il chip Cerebras offre 9 volte più memoria su chip e 3000 volte più velocità di trasferimento della memoria.
I core di calcolo Cerebras - SLAC (Sparse Linear Algebra Cores) - sono completamente programmabili e possono essere ottimizzati per funzionare con qualsiasi rete neurale. Inoltre, l'architettura del kernel filtra intrinsecamente i dati rappresentati da zeri. Ciò libera le risorse di elaborazione dalla necessità di eseguire operazioni di moltiplicazione per zero inattive, che per carichi di dati sparsi significa calcoli più rapidi ed estrema efficienza energetica. Pertanto, il processore Cerebras risulta essere centinaia o addirittura migliaia di volte più efficiente per l’apprendimento automatico in termini di area del chip e consumo rispetto alle attuali soluzioni di intelligenza artificiale e apprendimento automatico.
Produzione di un chip di dimensioni simili
Fonte: 3dnews.ru