为人工智能工作负载打造的新芯片吸引了1800万美元的政府资金

国防部最大的研究机构已与普林斯顿大学领导的一项努力合作，开发用于人工智能的先进微芯片。

电气和计算机工程教授Naveen Verma表示，新硬件为现代工作负载重新构想了AI芯片，并且可以使用比当今最先进的半导体少得多的能源来运行强大的AI系统。将领导该项目的Verma表示，这些进展突破了阻碍人工智能芯片的关键障碍，包括尺寸，效率和可扩展性。

Naveen Verma教授将领导一个由美国支持的项目，该项目基于普林斯顿实验室的一系列关键发明，为人工智能硬件提供动力。

拍摄者

萨米尔·汗（Sameer A. Khan）/Fotobuddy

需要更少能量的芯片可以部署在更动态的环境中运行人工智能，从笔记本电脑和手机到医院和高速公路，再到近地轨道和更远的地方。为当今最先进的型号提供动力的芯片类型过于笨重且效率低下，无法在小型设备上运行，并且主要局限于服务器机架和大型数据中心。

现在，美国国防高级研究计划局（DARPA）宣布，它将支持Verma的工作，基于他实验室的一系列关键发明，并提供1860万美元的赠款。DARPA的资金将推动对新芯片的速度、紧凑和节能的探索。

“最好的人工智能只是在数据中心，有一个非常重要的限制，”Verma说。“你从中解锁它，我认为我们可以从人工智能中获得价值的方式爆炸式增长。

该公告是DARPA为下一代人工智能计算的“科学，设备和系统的革命性进步”提供资金的更广泛努力的一部分。该计划名为OPTIMA，包括跨多所大学和公司的项目。该计划的提案征集估计总资金为7800万美元，尽管DARPA尚未披露完整的机构名单或该计划迄今为止授予的资金总额。

在普林斯顿大学领导的项目中，研究人员将与Verma的初创公司EnCharge AI合作。总部位于加利福尼亚州圣克拉拉的EnCharge AI正在根据Verma实验室的发现将技术商业化，其中包括他与电气工程研究生共同撰写的几篇关键论文，这些论文可以追溯到2016年。 Verma 于 2022 年与前 IBM 研究员 Kailash Gopalakrishnan 和半导体系统设计领导者 Echere Iroaga 共同创立了该公司。

重新构想物理学

为了制造能够在紧凑或能源受限的环境中处理现代人工智能工作负载的芯片，研究人员必须完全重新构想计算的物理特性，同时设计和封装可以使用现有制造技术制造的硬件，并且可以与现有的计算技术（例如中央处理器）很好地配合。

“人工智能模型的规模呈爆炸式增长，”Verma说，“这意味着两件事。人工智能芯片需要在数学运算方面变得更有效率，在管理和移动数据方面更有效率。

他们的方法有三个关键部分。

几乎每台数字计算机的核心架构都遵循着一种看似简单的模式，该模式最初是在1940年代开发的：将数据存储在一个地方，在另一个地方进行计算。这意味着在存储单元和处理器之间穿梭信息。在过去的十年中，Verma率先研究了一种更新的方法，该方法直接在存储单元中完成计算，称为内存计算。这是第一部分。其前景是，内存计算将减少移动和处理大量数据所花费的时间和精力。

但到目前为止，内存计算的数字方法一直非常有限。Verma和他的团队转向了另一种方法：模拟计算。这是第二部分。

“在内存计算的特殊情况下，你不仅需要有效地进行计算，”Verma说，“你还需要以非常高的密度进行计算，因为现在它需要适应这些非常小的存储单元。模拟计算机不是将信息编码为一系列 0 和 1，而是使用传统的逻辑电路处理该信息，而是利用设备更丰富的物理特性。齿轮的曲率。电线保持电荷的能力。

数字信号在 1940 年代开始取代模拟信号，主要是因为二进制代码随着计算的指数级增长而更好地扩展。但数字信号并不能深入到设备的物理特性中，因此它们可能需要更多的数据存储和管理。这样一来，他们的效率就较低了。模拟通过利用器件的固有物理特性处理更精细的信号来获得效率。但这可能会在精度上做出权衡。

“关键是在可以控制得非常好并大规模制造的设备中找到适合这项工作的物理特性，”Verma说。

他的团队找到了一种方法，利用精心设计的电容器产生的模拟信号进行极其精确的计算。这是第三部分。与晶体管等半导体器件不同，通过电容器的电能不依赖于材料中的温度和电子迁移率等可变条件。

“它们只依赖于几何形状，”Verma说。“它们取决于一根金属线和另一根金属线之间的空间。”几何形状是当今最先进的半导体制造技术可以很好地控制的一件事。