Progrese recente în tehnicile de testare pentru acceleratoarele hardware AI

Titlul original:

Recent Advances in Testing Techniques for AI Hardware Accelerators

Conținutul cărții:

Creșterea rapidă a volumului mare de date provenite de la dispozitivele mobile, de la internetul obiectelor (IoT) și de la dispozitivele periferice, precum și cererea continuă pentru o putere de calcul mai mare au transformat învățarea profundă în piatra de temelie a majorității aplicațiilor de inteligență artificială (AI) din prezent. În ultimii ani, s-a înregistrat o tendință către învățarea profundă implementată pe acceleratoare AI specifice domeniului, care acceptă ierarhii de memorie personalizate, precizie variabilă și multiplicare matriceală optimizată. Acceleratoarele AI comerciale au demonstrat o eficiență energetică și de amprentă superioară în comparație cu GPU-urile pentru o varietate de sarcini de inferență.

În această monografie, sunt discutate blocajele care trebuie înțelese și analizate pentru a asigura robustețea funcțională a acceleratoarelor AI emergente. Sunt prezentate practicile de ultimă oră adoptate pentru testarea structurală și funcțională a acceleratoarelor, precum și metodologiile de evaluare a criticității funcționale a defectelor hardware din acceleratoarele AI pentru reducerea timpului de testare prin direcționarea defectelor critice din punct de vedere funcțional.

Această monografie evidențiază cercetările recente privind eforturile de îmbunătățire a testării și a fiabilității sistemelor de calcul neuromorfice construite utilizând dispozitive de memorie nevolatilă (NVM), cum ar fi dispozitivele STT-MRAM (spin-transfer-torque) și RAM rezistiv (ReRAM). De asemenea, sunt analizate robustețea rețelelor neuronale fotonice cu siliciu și preocupările legate de fiabilitate în ceea ce privește defectele de fabricație și variațiile de proces în sistemele de calcul aproape memorice bazate pe 3D monolitice (M3D).