在當代資料驅動的世界中，處理和傳輸的資料量全球每天的情況都令人震驚。然而，這些過程對能源的需求量很大，這就推動了對節能設備的需求。最近，由 Dharmendra S. Modha 領導的研究人員推出了一種名為 NorthPole 的晶片架構，其靈感來自神經功能，與現有架構相比，展示了卓越的性能、能源效率和麵積效率。這項發現於 2023 年 10 月 19 日發表在《科學》雜誌上，標誌著朝著更高效的計算硬體邁出了重大一步。
NorthPole：橋接記憶體與計算
傳統上，計算一直以處理器為中心，保持內存和字體之間的區別計算。 NorthPole 架構試圖透過消除片外記憶體、將運算與片上記憶體融合來消除這一邊界，從而在外部將自己呈現為主動記憶體晶片。與先前的系統不同，這種純數位系統可以根據需要客製化位元精度，從而優化功耗。 NorthPole體現了低精度、大規模並行、密集互連、節能的空間運算架構以及高利用率的程式設計模型。
基準成就
在使用ResNet50 影像分類網路進行基準測試時，NorthPole 展示了25 -與同類圖形處理單元 (GPU) 相比，每瓦每秒幀數 (FPS) 的能量指標提高了 1 倍，每個電晶體 FPS 的空間指標提高了 5 倍，延遲時間指標降低了 22 倍）採用12 奈米技術製程。 Yolo-v4 偵測網路也觀察到了類似的結果，這突顯了 NorthPole 的卓越效率，即使與採用更先進技術流程的架構相比也是如此。
解馮諾依曼瓶頸
持久的“馮諾依曼瓶頸”，阻礙人工智慧處理進步的障礙，源自於現有人工智慧晶片中此類操作的處理能力和所需記憶體之間的不同速度。 NorthPole 的設計透過將記憶體組件直接整合到處理器晶片上，有效地規避了這一瓶頸，這一功能被強調為促進設備上本地穩健神經網路操作的關鍵步驟。
潛在應用與未來努力
NorthPole 原型由IBM 加州阿拉馬登實驗室開發而成，預示著一種新的設計正如 NorthPole 的首席建築師 Dharmendra Modha 所闡述的那樣，它與傳統的馮諾依曼架構不同。憑藉其在標準基準上展現的實力，NorthPole 有望應用於多種應用，包括自主手術、自動駕駛車輛操作以及各種機器人相關任務。 IBM 研究中心已經開始開發採用 NorthPole 設計的後續晶片，預計該專案將在接下來的幾年中展開。