Cerebras ပရိုဆက်ဆာ၏ကြေငြာချက် - Cerebras Wafer Scale Engine (WSE) သို့မဟုတ် Cerebras wafer စကေးအင်ဂျင် - နှစ်စဉ် Hot Chips 31 ကွန်ဖရင့်၏တစ်စိတ်တစ်ပိုင်းအနေဖြင့်။ ဤဆီလီကွန်ဘီလူးကိုကြည့်လျှင် အံ့သြစရာကောင်းသည်မှာ ၎င်းတို့သည် ၎င်းကို အသားထဲ၌ ထုတ်လွှတ်နိုင်သည့်အချက်ပင် မဟုတ်ပေ။ ဧရိယာ 46 စတုရန်းမီလီမီတာရှိသော ပုံဆောင်ခဲတစ်လုံးကို ဒီဇိုင်းရေးဆွဲခြင်းနှင့် သတ္တိရှိခြင်းတို့သည် အံ့သြစရာဖြစ်သည်။ ပရိုဆက်ဆာတစ်ခုပြုလုပ်ရန် 225 မီလီမီတာ wafer တစ်ခုလုံးလိုအပ်သည်။ အမှားအယွင်းအနည်းငယ်ဖြင့်၊ ချွတ်ယွင်းမှုနှုန်းသည် 21,5% ဖြစ်ပြီး ပြဿနာ၏ကုန်ကျစရိတ်သည် စိတ်ကူးရန်ပင် ခက်ခဲသည်။
Cerebras WSE ကို TSMC မှထုတ်လုပ်သည်။ နည်းပညာဆိုင်ရာ လုပ်ငန်းစဉ်- 16 nm FinFET။ ဤထိုင်ဝမ်ထုတ်လုပ်သူသည် Cerebras လွတ်မြောက်မှုအတွက် အထိမ်းအမှတ်တစ်ခုလည်း ထိုက်တန်ပါသည်။ ထိုသို့သော ချစ်ပ်ပြားထုတ်လုပ်ခြင်းသည် အမြင့်ဆုံးကျွမ်းကျင်မှုနှင့် ပြဿနာများစွာကို ဖြေရှင်းရန် လိုအပ်သော်လည်း ၎င်းသည် ထိုက်တန်သည်ဟု developer များက အာမခံပါသည်။ Cerebras ချစ်ပ်သည် အခြေခံအားဖြင့် မယုံနိုင်လောက်အောင် ဖောက်ထွက်နိုင်မှု၊ ပါဝါသုံးစွဲမှု အနည်းဆုံးနှင့် အံ့သြဖွယ် ပြိုင်ဆိုင်မှုရှိသော ချစ်ပ်ပေါ်တွင် မရှိမဖြစ်လိုအပ်သော စူပါကွန်ပြူတာဖြစ်သည်။ ဤသည်မှာ သုတေသီများအား လွန်ကဲရှုပ်ထွေးမှုပြဿနာများကို စတင်ဖြေရှင်းနိုင်စေမည့် စံပြစက်သင်ယူမှုဖြေရှင်းချက်ဖြစ်သည်။
Cerebras WSE အသေတစ်ခုစီတွင် 1,2 ထရီလီယံ ထရီလီယံ ထရန်စစ္စတာများ ပါ၀င်ပြီး AI-optimized compute cores 400 နှင့် local distribution SRAM ၏ 000 GB တို့ ပါဝင်သည်။ ဤအရာအားလုံးကို တစ်စက္ကန့်လျှင် 18 petabits ဖြင့် စုစုပေါင်းဖြတ်သန်းနိုင်သော mesh ကွန်ရက်ဖြင့် ချိတ်ဆက်ထားသည်။ Memory Bandwidth သည် 100 PB/s သို့ ရောက်ရှိသည်။ Memory hierarchy သည် single-level ဖြစ်သည်။ ကက်ရှ်မမ်မိုရီမရှိပါ၊ ထပ်နေခြင်းမရှိပါ၊ နှင့်ဝင်ရောက်ခွင့်နှောင့်နှေးမှုအနည်းဆုံး။ ၎င်းသည် AI နှင့်ပတ်သက်သော အလုပ်များကို အရှိန်မြှင့်ရန်အတွက် စံပြဗိသုကာတစ်ခုဖြစ်သည်။ Naked နံပါတ်များ- ခေတ်အမီဆုံး ဂရပ်ဖစ် cores များနှင့် နှိုင်းယှဉ်ပါက Cerebras ချစ်ပ်သည် on-chip memory အဆ 9 ပိုကာ memory transfer speed အဆ 3000 ပိုပေးပါသည်။
Cerebras computing cores - SLAC (Sparse Linear Algebra Cores) - သည် အပြည့်အဝ ပရိုဂရမ်မာနိုင်ပြီး မည်သည့် အာရုံကြောကွန်ရက်များနှင့်မဆို လုပ်ဆောင်ရန်အတွက် အကောင်းဆုံးဖြစ်အောင် လုပ်ဆောင်နိုင်သည်။ ထို့အပြင်၊ kernel ဗိသုကာသည် မူရင်းအားဖြင့် သုညဖြင့် ကိုယ်စားပြုထားသော အချက်အလက်များကို စစ်ထုတ်သည်။ ဤအရာသည် ဒေတာကျဲသောဒေတာတင်ဆောင်မှုအတွက် ပိုမိုမြန်ဆန်သော တွက်ချက်မှုများနှင့် လွန်ကဲစွမ်းအင်ထိရောက်မှုတို့ကို ဆိုလိုသည်။ ထို့ကြောင့်၊ Cerebras ပရိုဆက်ဆာသည် AI နှင့် machine learning အတွက် လက်ရှိဖြေရှင်းချက်ထက် chip ဧရိယာနှင့် သုံးစွဲမှုဆိုင်ရာ စက်သင်ယူမှုအတွက် အဆပေါင်း ရာနှင့်ချီ သို့မဟုတ် ထောင်နှင့်ချီ၍ပင် ထိရောက်မှုရှိလာပါသည်။
အရွယ်အစားတူ ချစ်ပ်ပြားကို ထုတ်လုပ်သည်။ ထူးခြားတဲ့ဖြေရှင်းချက်တွေအများကြီး။ ၎င်းကို လက်ဖြင့် အိတ်ထဲသို့ ထည့်ရန်ပင် လိုအပ်သည်။ Crystal သို့ ပါဝါပေးဆောင်ပြီး အအေးခံရာတွင် ပြဿနာရှိခဲ့သည်။ အပူဖယ်ထုတ်ခြင်းသည် အရည်ဖြင့်သာ ဖြစ်နိုင်ပြီး ဒေါင်လိုက်လည်ပတ်မှုရှိသော ဇုန်ထောက်ပံ့ရေးအဖွဲ့အစည်းဖြင့်သာ ဖြစ်နိုင်သည်။ သို့သော်၊ ပြဿနာအားလုံးကိုဖြေရှင်းပြီး chip သည်အလုပ်လုပ်သည်။ ၎င်း၏လက်တွေ့အသုံးချမှုအကြောင်းကို လေ့လာရန် စိတ်ဝင်စားဖွယ်ဖြစ်လိမ့်မည်။
source: 3dnews.ru