Cerebras ප්‍රොසෙසරයේ නිවේදනය - Cerebras Wafer Scale Engine (WSE) හෝ Cerebras wafer පරිමාණ එන්ජිම - වාර්ෂික Hot Chips 31 සම්මන්ත්‍රණයේ කොටසක් ලෙස, මෙම සිලිකන් රකුසා දෙස බලන විට, පුදුමයට කරුණ නම්, ඔවුන් එය මාංසයට මුදා හැරිය නොහැකි වීමයි. 46 cm පැති සහිත වර්ග මිලිමීටර් 225 ක ප්‍රදේශයක් සහිත ස්ඵටිකයක් සංවර්ධනය කිරීමේ අවදානමක් ඇති නිර්මාණයේ ධෛර්යය සහ එක් ප්‍රොසෙසරයක් සෑදීමට මිලිමීටර් 21,5 ක සම්පූර්ණ වේෆරයක් අවශ්ය වේ. සුළු දෝෂයක් සමඟ, දෝෂ අනුපාතය 300% ක් වන අතර, ගැටලුවේ පිරිවැය සිතීම පවා දුෂ්කර ය.
Cerebras WSE නිෂ්පාදනය කරනු ලබන්නේ TSMC විසිනි. තාක්ෂණික ක්රියාවලිය: 16 nm FinFET. මෙම තායිවාන නිෂ්පාදකයා ද Cerebras නිදහස් කිරීම සඳහා ස්මාරකයක් ලැබිය යුතුය. එවැනි චිපයක් නිෂ්පාදනය කිරීම සඳහා ඉහළම කුසලතාවයක් සහ ගැටළු රාශියක් විසඳීමට අවශ්ය විය, නමුත් එය වටිනවා, සංවර්ධකයින් සහතික කරයි. Cerebras චිපය අත්‍යවශ්‍යයෙන්ම ඇදහිය නොහැකි ප්‍රතිදානය, අවම බලශක්ති පරිභෝජනය සහ අපූරු සමාන්තරකරණය සහිත චිපයක් මත ඇති සුපිරි පරිගණකයකි. එය දැන් යන්ත්‍ර ඉගෙනීම සඳහා කදිම විසඳුම වන අතර පර්යේෂකයන්ට අතිශය සංකීර්ණ ගැටළු විසඳීම ආරම්භ කිරීමට ඉඩ සලසයි.
සෑම Cerebras WSE ඩයි එකකම ට්‍රාන්සිස්ටර ට්‍රිලියන 1,2ක් අඩංගු වන අතර, 400 AI-ප්‍රශස්ත පරිගණක මධ්‍යයන් සහ 000 GB දේශීය බෙදා හරින ලද SRAM ලෙස සංවිධානය කර ඇත. මේ සියල්ල තත්පරයකට පෙටාබිට් 18ක සම්පූර්ණ ප්‍රතිදානයක් සහිත දැල් ජාලයකින් සම්බන්ධ වේ. මතක කලාප පළල 100 PB/s දක්වා ළඟා වේ. මතක ධූරාවලිය තනි මට්ටමකි. හැඹිලි මතකයක්, අතිච්ඡාදනය, සහ අවම ප්‍රවේශ ප්‍රමාදයන් නොමැත. එය AI සම්බන්ධ කාර්යයන් වේගවත් කිරීම සඳහා කදිම ගෘහ නිර්මාණ ශිල්පයකි. නිරුවත් සංඛ්‍යා: නවීනතම ග්‍රැෆික් මධ්‍ය සමඟ සසඳන විට, Cerebras චිපය 9 ගුණයකින් වැඩි චිප් මතකයක් සහ 3000 ගුණයකින් වැඩි මතක හුවමාරු වේගයක් සපයයි.
Cerebras computing cores - SLAC (Sparse Linear Algebra Cores) - සම්පුර්ණයෙන්ම වැඩසටහන්ගත කළ හැකි අතර ඕනෑම ස්නායුක ජාලයක් සමඟ වැඩ කිරීම සඳහා ප්‍රශස්ත කළ හැක. එපමනක් නොව, කර්නල් ගෘහ නිර්මාණ ශිල්පය සහජයෙන්ම බිංදු වලින් නියෝජනය වන දත්ත පෙරහන් කරයි. මෙය ශුන්‍ය මෙහෙයුම් මගින් නිෂ්ක්‍රීය ගුණ කිරීම සිදු කිරීමේ අවශ්‍යතාවයෙන් පරිගණක සම්පත් නිදහස් කරයි, විරල දත්ත පැටවීම සඳහා වේගවත් ගණනය කිරීම් සහ ආන්තික බලශක්ති කාර්යක්ෂමතාව අදහස් වේ. මේ අනුව, Cerebras ප්‍රොසෙසරය AI සහ යන්ත්‍ර ඉගෙනීම සඳහා දැනට පවතින විසඳුම්වලට වඩා චිප් ප්‍රදේශය සහ පරිභෝජනය අනුව යන්ත්‍ර ඉගෙනීම සඳහා සිය ගණනක් හෝ දහස් ගුණයකින් කාර්යක්ෂම වේ.
සමාන ප්රමාණයේ චිපයක් නිෂ්පාදනය කිරීම අද්විතීය විසඳුම් ගොඩක්. එය අතින්ම පාහේ නඩුවට අසුරන්නට පවා සිදු විය. ස්ඵටිකයට විදුලිය සැපයීම සහ එය සිසිල් කිරීම පිළිබඳ ගැටළු ඇති විය. තාපය ඉවත් කිරීම කළ හැකි වූයේ දියර සමඟ පමණක් වන අතර සිරස් සංසරණය සමඟ කලාප සැපයුම සංවිධානය කිරීම පමණි. කෙසේ වෙතත්, සියලු ගැටළු විසඳා ඇති අතර, චිපය වැඩ කර පිටතට පැමිණියේය. එහි ප්‍රායෝගික යෙදුම ගැන ඉගෙන ගැනීම සිත්ගන්නාසුළු වනු ඇත.
මූලාශ්රය: 3dnews.ru