Memajukan Mikroelektronika untuk Memenuhi Kebutuhan AI yang Bertambah
Kecerdasan buatan sedang menredefinisikan teknologi di seluruh industri, menuntut solusi mikroelektronika yang memberikan kinerja, efisiensi energi, dan faktor bentuk padat yang tak tertandingi. Dari pusat data masiva hingga kendaraan otonom, robot, perangkat seluler, wearable, dan aplikasi masa depan yang belum terbayangkan, kebutuhan akan perangkat keras yang lebih cepat, lebih cerdas, dan lebih ramah lingkungan sangat mendesak.
Dalam bidang perangkat keras, tantangan ini memanggil paradigma inovatif dalam sensor, prosesor, memori, interkoneksi, dan pengemasan. Komunitas penelitian Leti secara aktif menjelajahi perbatasan ini, menempatkan dirinya di persimpangan Edge AI dan tren industri yang lebih luas. Solusi yang dapat diproduksi di dunia nyata hanya akan muncul melalui kolaborasi lintas disiplin ilmu sebelum produksi massal.
Kami dapat mengantisipasi pasar AI dengan memetakan aplikasi di seluruh kemampuan komputasi dan konsumsi daya (lihat Gambar 1). Wearable berada di ujung konsumsi daya rendah dan komputasi rendah, sementara pusat data menuntut kinerja tertinggi dan anggaran energi. Alat rumah tangga pintar, augmented reality, robotika, dan kendaraan otonom menempati spektrum di antaranya.
Gambar 1. (Sumber: Leti)
Edge AI—di mana sebagian besar analisis data terjadi di titik tangkapan—tumbuh di sisi kiri spektrum ini. Mencapainya membutuhkan sensor dan prosesor yang dapat beradaptasi secara langsung, sangat mirip dengan mata dan telinga manusia. Komponen ini harus secara dinamis menyesuaikan karakteristik seperti rentang dinamis untuk mencocokkan kecerdasan lokal, semuanya dalam jejak yang muat di jam tangan atau wearable.
Sebaliknya, beban kerja AI skala besar mengungkap batasan arsitektur komputasi tradisional, terutama siklus baca/tulis memori yang konstan yang menguras waktu dan energi.
Dengan kenyataan ini, Leti memprioritaskan penelitian dalam sensor pintar dan pendekatan komputasi yang inovatif.
Salah satu hambatan inti komputasi modern adalah perpindahan data: mentransfer data antara memori dan prosesor sekarang mengkonsumsi waktu dan energi jauh lebih banyak dari komputasi itu sendiri. Nyatanya, transfer data dan akses memori dapat mencapai hingga 90 persen anggaran energi sistem—angka yang mengkhawatirkan untuk beban kerja AI yang bergantung pada kumpulan data besar dan operasi sederhana. Mengurangi perpindahan data oleh karena itu esensial.
Pekerjaan jangka panjang Leti pada sirkuit 3D bertujuan untuk menumpuk memori secara langsung pada prosesor, memendekan link fisik dan memotong latensi. Kami juga mengembangkan arsitektur memori baru yang melakukan penambahan, pengurangan, dan logika Boolean secara langsung dalam sel SRAM. Pendekatan in-memory computing (IMC) ini menghilangkan kebutuhan untuk memindahkan data keluar dari memori, menghemat ruang dan energi. Prototipe awal menunjukkan potensi peningkatan throughput AI hingga 100 kali lipat sambil tetap dalam jangkauan frekuensi dan energi yang diharapkan untuk tahun 2020-an.
