由于業(yè)界持續(xù)推動機器學(xué)習(xí)（ML）和人工智能（AI）的低功耗高性能處理，大量相關(guān)新概念和新技術(shù)層出不窮。其中，模擬計算作為一種提高處理效率的方法被重新提出。

這項技術(shù)對于給定的應(yīng)用來說還是相對較新的，而且還有很大的改進空間。最近，IISC的研究人員發(fā)表了一篇論文，描述了未來可擴展模擬AI芯片的新框架。

本文將討論模擬計算對人工智能的好處、面臨的挑戰(zhàn)以及IISC的新研究。

為何轉(zhuǎn)向模擬?

模擬計算是一種早于數(shù)字計算的技術(shù)，但隨著數(shù)字計算的興起，它在很大程度上已經(jīng)被遺忘了。現(xiàn)在，研究人員再次著眼于模擬，因為今時今日它在某些方面比數(shù)字顯示出了更大的優(yōu)勢。

隨著數(shù)據(jù)速率越來越快、處理節(jié)點越來越小、全球互聯(lián)范圍越來越廣，行業(yè)中的一個新興趨勢是數(shù)據(jù)移動對應(yīng)能耗的顯著增加。

越來越多的寄生導(dǎo)致數(shù)據(jù)在內(nèi)存內(nèi)和內(nèi)存外的物理移動已經(jīng)成為芯片整體功耗的最重要因素之一。再加上數(shù)據(jù)密集型應(yīng)用ML，我們發(fā)現(xiàn)馮·諾伊曼架構(gòu)不再適合AI/ML。

相反，模擬計算允許內(nèi)存中的計算，數(shù)據(jù)可以在存儲的地方進行處理。由于總體數(shù)據(jù)移動顯著減少，總體能耗也會顯著降低。因此，在AI/ML應(yīng)用中，模擬AI可以提供比傳統(tǒng)數(shù)字AI高100倍的能效。

模擬AI的挑戰(zhàn)：縮放

盡管模擬計算具有能效優(yōu)勢，但在成為數(shù)字計算的競爭對手之前，它仍面臨一些挑戰(zhàn)。

AI/ML模擬計算設(shè)計的關(guān)鍵挑戰(zhàn)之一是，模擬處理器的測試和協(xié)同設(shè)計是非常困難的。傳統(tǒng)超大規(guī)模集成電路(VLSI)設(shè)計可以由數(shù)百萬個晶體管組成，但工程師可以通過編譯高級代碼來綜合設(shè)計。此功能允許在不同流程節(jié)點和產(chǎn)品之間輕松移植相同的設(shè)計。

然而，由于晶體管偏置的不同，溫度變化和有限的動態(tài)范圍，模擬芯片無法輕松擴展。其結(jié)果是，每代產(chǎn)品和每個流程節(jié)點都需要單獨定制和重新設(shè)計。這樣不僅使設(shè)計更加耗時、成本更加高昂，而且還降低了可擴展性。

模擬AI要想成為主流，首先需要解決設(shè)計和可擴展性方面的挑戰(zhàn)。

IISC的AI擴展框架

為了解決這個問題，IISC的研究人員在他們最近發(fā)表的論文中提出了一個可擴展模擬計算設(shè)計的新框架。

他們工作的關(guān)鍵圍繞著邊緣傳播(MP)的泛化，這是一種數(shù)學(xué)工具，在使用MP原理合成模擬分段線性計算電路方面曾體現(xiàn)過價值。在此基礎(chǔ)上，研究人員開發(fā)了一種新的基于形狀的模擬計算(S-AC)框架，允許研究人員模擬ML架構(gòu)中常用的不同function。

這個框架可以和數(shù)字設(shè)計一樣，在計算精度與速度/功耗之間進行權(quán)衡，還可以跨不同的工藝節(jié)點和偏差管理。

為了證明其可行性，研究人員實現(xiàn)了一些S-AC電路，對應(yīng)ML中幾個不同工藝節(jié)點的常見數(shù)學(xué)函數(shù)。結(jié)果證明，在180納米CMOS工藝和7納米FinFET工藝中，電路I/O特性在合理范圍內(nèi)保持一致。

有了新的框架，研究人員希望在不久的將來能夠?qū)崿F(xiàn)擴展性更強、成本效率更高的模擬AI設(shè)計。