ARM объявляет Microarchitecture DynamIQ с фокусом на машинное обучение и AI
Компания ARM, известная во всем мире для мобильных устройств с чипами Cortex-A, недавно объявила о выпуске DynamIQ Technology в качестве микроархитектуры следующего поколения компании для гетерогенных, ускоренных многоядерных вычислительных систем.
Компания до сих пор выпустила несколько технических деталей, но показала свое видение технологии DynamIQ, используемой в ряде приложений: от потребительских устройств, облачных вычислений и, в частности, в машинах и приложениях искусственного интеллекта. Ожидается, что процессоры следующего поколения Cortex-A, которые войдут в архитектуру DynamIQ, будут объявлены в конце этого года.
Изображение предоставлено ARM
Архитектура DynamIQ будет использовать динамическую значительную разнородную вычислительную конфигурацию ARM, в которой мощный центральный процессор может быть сопряжен с более энергоэффективными. Все процессоры имеют доступ к одной и той же памяти и «видятся» операционной системой как один процессор, позволяя процессорам перепрыгивать и выполнять задачи взаимозаменяемо по мере необходимости.
Когда система требует большей вычислительной мощности, она может воспользоваться доступным «большим» процессором и, конечно же, когда система принимает более легкие задачи, тогда «Маленькие» процессоры берут верх. Эта конфигурация, впервые введенная ARM в 2011 году, призвана обеспечить максимальную производительность и энергоэффективность.
Инновацией в DynamIQ будет настраиваемая и масштабируемая конфигурация больших процессоров. Небольшие процессоры, которые затем могут быть объединены с до восьми процессорных ядер на кластер в любом соотношении «большой» и «мало». Каждый кластер может иметь свои собственные требования к обработке и мощности. Это означает, что на одном устройстве у вас могут быть разные кластеры, ответственные за различные типы задач, чтобы максимизировать производительность. Этот динамический баланс делает архитектуру DynamIQ особенно интересной для инженеров, работающих в области машинного обучения и приложений для искусственного интеллекта.
Ожидается, что DynamIQ начнет появляться на рынке к 2018 году.
Высокая конфигурируемость и масштабируемость как путь вперед
Многие компании признают важную роль настраиваемой архитектуры, когда дело доходит до машинного обучения и приложений для искусственного интеллекта. Чтобы не отставать от растущих вычислительных требований при минимизации энергопотребления, реконфигурация обеспечивает гибкость, необходимую для перехода между требованиями приложений.
Altera, приобретенная Intel в конце 2015 года, разработала пакеты FPGA для ускоренного обучения, которые позволяют клиентам использовать платформу FPGA для приложений машинного обучения. Altera продает платформу FPGA как эффективную в создании нейронных сетей, которые имитируют структуру мозга взаимосвязанных нейронов. ПЛИС имеют высокую конфигурацию, имеют высокую пропускную способность бортовой сети (8TBps) и энергоэффективны, что делает их идеальными для вычислений в реальном времени для больших объемов данных.
У NVIDIA был несколько иной подход, объявив о выпуске ускорителя центра обработки данных Tesla P100 для приложений машинного обучения. Ускоритель использует архитектуру Pascal GPU, которую можно масштабировать с помощью межсетевого соединения NVLink. Это позволяет широкомасштабные конфигурации серверов, а с DGX SATURNV от NVIDIA считается самым эффективным в мире суперкомпьютером в конце 2016 года (на базе ускорителей Tesla P100), компания также фокусируется на повышении мощности и повышении энергоэффективности.
Рекомендуемое изображение предоставлено ARM.