研究人員使用這種新設計框架構建了一個名為 ARYABHAT-1(用于 AI 任務的模擬可重構技術和偏置可擴展硬件)的模擬芯片組原型。這種類型的芯片組對于基于人工智能 (AI) 的應用程序特別有幫助,例如對象或語音識別(例如 Alexa 或 Siri)或需要高速大規模并行計算操作的應用程序。
大多數電子設備,尤其是那些涉及計算的電子設備,都使用數字芯片,因為設計過程簡單且可擴展。“但模擬的優勢是可在功率和尺寸方面獲得數量級的改進。”IISc 電子系統工程系 (DESE) 助理教授 Chetan Singh Thakur 解釋說,他的實驗室正在開發模擬芯片組。在不需要精確計算的應用中,模擬計算有可能超越數字計算,因為前者更節能。
然而,在設計模擬芯片時,有幾個技術障礙需要克服。與數字芯片不同,模擬處理器的測試和協同設計很困難。大型數字處理器可以通過編譯高級代碼輕松合成,并且相同的設計可以在不同代的技術開發中移植——例如,從 7 納米芯片組到 3 納米芯片組——只需極少的修改。
因為模擬芯片不容易擴展——在過渡到下一代技術或新應用時需要單獨定制——它們的設計很昂貴。另一個挑戰是,在模擬設計中,在精度和速度與功率和面積之間進行權衡并不容易。在數字設計中,只需在同一芯片上添加更多組件(如邏輯單元)即可提高精度,并且可以調整它們的工作功率而不影響設備性能。
ARYABHAT-1 芯片的測試設置。圖片來源:NeuRonICS Lab、DESE、IISc
為了克服這些挑戰,該團隊設計了一個新穎的框架,允許開發像數字處理器一樣可擴展的模擬處理器。他們的芯片組可以重新配置和編程,以便相同的模擬模塊可以移植到不同代的工藝設計和不同的應用程序中。“您可以在 180 nm 或 7 nm 上合成相同類型的芯片,就像數字設計一樣,”Thakur 補充道。
研究人員說,可以在 ARYABHAT 上對不同的機器學習架構進行編程,并且像數字處理器一樣,可以在很寬的溫度范圍內穩定運行。他們補充說,該架構也是“偏置可擴展”的——當電壓或電流等工作條件發生變化時,其性能保持不變。這意味著可以為超節能物聯網 (IoT) 應用或對象檢測等高速任務配置相同的芯片組。
該設計框架是作為 IISc 學生 Pratik Ku??mar 博士的一部分開發的。工作,并與美國圣路易斯華盛頓大學 (WashU) 麥凱維工程學院教授 Shantanu Chakrabartty 合作,他還擔任華盛頓大學麥克唐納學院駐 IISc 大使。“很高興看到模擬偏置可擴展計算的理論在現實和實際應用中得到體現,”Chakrabartty 說,他早些時候提出了偏置可擴展模擬電路。
研究人員在目前正在同行評審的兩項預印本研究中概述了他們的發現。他們還申請了專利,并計劃與行業合作伙伴合作將該技術商業化。