一款理想的神經網絡芯片是什么樣的？按照工程師的說法，最重要的是在芯片本身上擁有大量的存儲空間。這是因為數據傳輸（從主內存到處理器芯片）通常消耗最多的能量，并且會產生大部分的系統滯后，即使與AI計算本身相比也是如此。

　　有鑒于此，Cerebras Systems通過制造一臺幾乎完全由一個包含18 GB內存的大型芯片組成的計算機，解決了這些問題（統稱為內存墻）。

　　但是法國，硅谷和新加坡的研究人員提出了另一種方法。

　　一家稱為Illusion的公司使用在硅邏輯之上構建的3D堆棧中使用由電阻性RAM存儲器構建的處理器來執行相關操作，因此花費很少的精力或時間來獲取數據。

　　僅憑其本身，還不夠，因為神經網絡的規模越來越大，無法容納在一個芯片中。因此，該方案還需要多個此類混合處理器以及一種算法，該算法既可以智能地對處理器之間的網絡進行分割，還可以知道何時在閑置時迅速關閉處理器。

　　在測試中，八芯片版本的Illusion的能耗和延遲約為“理想”處理器的3-4％，該處理器在一塊芯片上具有所有需要的內存和處理能力。

　　該研究團隊（其中包括來自法國CEA-Leti研究實驗室，Facebook，新加坡南洋理工大學，圣何塞州立大學和斯坦福大學的貢獻）受到了神經網絡規模不斷擴大這一事實的推動。

　　負責這項研究的斯坦福大學電氣工程和計算機科學教授Subhasish Mitra說：“從某種意義上講，這種理想的芯片永遠無法使用，因為它是一個不斷發展的目標?！?他說：“神經網絡變得越來越快，其速度超過了摩爾定律?！?/p>

　　因此，他們設法設計一種系統，使它實際上是由多個混合處理器組成，它也會產生一個帶有大量片上存儲器的單個處理器的錯覺（illusion），因此他們將其命名為為項目名）。這樣，Illusin就可以輕松擴展以適應不斷增長的神經網絡。

　　Mishra解釋說，這樣的系統需要做到三件事：

　　首先是芯片上的大量內存，可以快速訪問而幾乎不消耗能量。這就是集成3D的RRAM發揮功效的地方。他們選擇了RRAM，“因為它是密集的，3D集成的，并且可以在掉電狀態下快速訪問，并且因為它在斷電時不會丟失數據， ” 斯坦福大學電氣工程學教授，該項目的合作者Philip Wong說。

　　但是RRAM確實有一個缺點。像Flash存儲器一樣，它被覆蓋過多次后就會損耗。在Flash中，軟件會跟蹤每個存儲單元塊發生了多少次覆蓋，并試圖保持該數量，即使在芯片中的所有單元中也是如此。斯坦福大學理論計算機科學家 Mary Wootters 領導團隊為RRAM發明了類似的東西。結果稱為Distributed Endurer，這增加了確保寫入時的磨損甚至跨越多個芯片的負擔。

　　即使使用Endurer混合RRAM和處理器芯片，但強大的神經網絡（例如當今使用的自然語言處理器）仍然太大，讓我們無法將其容納在一個芯片中。然而使用多個混合芯片意味著在它們之間傳遞消息，消耗能量并浪費時間。

　　Illusion團隊的解決方案是其技術的第二部分，其解決方案是以使消息傳遞最小化的方式來切割神經網絡。神經網絡本質上是一組計算發生的節點以及連接它們的邊。每個網絡將具有某些節點或節點的整個層，它們具有大量的連接。

　　但是網絡中也將存在阻塞點，即在節點之間必須傳遞少量消息的地方。在這些阻塞點上劃分大型神經網絡，并將每個部分映射到單獨的芯片上，可確保從一個芯片到另一個芯片的數據傳輸量最少。Mitra說，Illusion映射算法“自動識別切割神經網絡的理想位置，以最小化這些消息?！?/p>

　　但是像這樣切割的東西有其自身的后果。

　　不可避免地，一種芯片會先于另一種芯片來完成其業務，這會拖延系統并浪費功耗。其他嘗試運行超大型神經網絡的多芯片系統，則以使所有芯片持續忙碌的方式來劃分網絡，但這是以在它們之間傳輸更多數據為代價的。

　　在第三項創新中，Illusion團隊決定設計混合處理器及其控制算法，以便可以快速關閉和打開芯片。因此，當芯片等待工作時，它不會消耗任何功耗。

　　Mishra說，CEA-Leti的3D RRAM技術是制造3D SoC的關鍵，該SoC可以在幾個時鐘周期內完全關閉并重新啟動而不會丟失數據。

　　該團隊構建了八芯片版本的Illusion，并在三個深度神經網絡上進行了測試。這些網絡遠不及當前正在計算機系統運行的網絡的規模，因為每個Illusion原型僅為神經網絡數據保留了4 KB的RRAM。他們測試過的“理想芯片”實際上是一個模仿了完整神經網絡執行的illusion 芯片。

　　8片幻覺系統能夠在理想芯片能耗的3.5％和2.5％的執行時間內運行神經網絡。Mitra指出，該系統可以很好地擴展。有4 GB RRAM的64芯片illusion 方案的仿真也接近理想。

　　“我們已經展開了新的更強大的原型設計”，斯坦福大學的研究生Robert Radway說。他們也將其發表在本周的自然電子上。與原型相比，下一代芯片將具有更大數量級的內存和計算能力。雖然第一代經過了推理的測試，但下一代將用于訓練它們，這是一項艱巨的任務。

　　“總的來說，我們認為illusion 對未來技術具有深遠的影響，” Radway說。“它為技術創新開辟了廣闊的設計空間，并為未來的系統創造了新的擴展途徑。”