Специалисты Центра суперкомпьютерных вычислений Линкольнской лаборатории Массачусетского технологического института почти десять лет отслеживают развитие коммерческих ускорителей искусственного интеллекта. Их проект Lincoln AI Computing Survey (LAICS, произносится как «лейс») сопоставляет пиковую производительность и энергопотребление таких систем. Об этом сообщает сайт MIT News.
Исследование стартовало в 2018 году, когда число разработок ускорителей, описанных в научных работах и представленных компаниями, резко выросло. Руководитель проекта Альберт Ройтер рассказал, что вопросы о новых технологиях начали поступать от государственных заказчиков лаборатории, что и стало причиной запуска обзора. За это время команда подготовила шесть научных работ.
Первый выпуск LAICS охватывал 57 ускорителей, а в последнем рассмотрено более 120 устройств. Авторы используют сведения из открытых источников, хотя производители нередко не раскрывают данные о мощности и быстродействии. Для отслеживания рынка Ройтер ежедневно просматривает новости, научные ссылки, технические публикации, сообщения компаний и материалы отраслевых презентаций.
К ускорителям относятся центральные процессоры, графические процессоры, специализированные интегральные схемы, программируемые пользователем вентильные матрицы и ускорители потоковой обработки данных. Центральные процессоры подходят для широкого круга задач, тогда как ASIC (специализированные интегральные схемы) рассчитаны на конкретные операции. Графические процессоры, FPGA (программируемые вентильные матрицы), ускорители потоков и другие гибкие решения можно настраивать под разные виды вычислений.
Такие системы применяют не только в машинном обучении и работе нейронных сетей. Они также ускоряют моделирование молекул и расчёты, связанные с динамикой жидкостей, которые требуют значительных вычислительных ресурсов. В исследованиях LAICS устройства распределяют по формату — чип, плата или готовая система, — а затем сравнивают их производительность и пиковое энергопотребление.
Отдельные работы проекта посвящены причинам роста быстродействия и архитектурным решениям. Исследование 2022 года связало повышение производительности с уменьшением и уплотнением транзисторов, а также с применением вычислений меньшей точности. В последней работе оценивалось, как на систему влияют, например, увеличение числа ядер процессора и рост параллельной производительности. Команда планирует продолжать обзор: только за несколько последних месяцев о первых ускорителях объявили шесть новых стартапов.