Tohtori Venkat Mattela, Ceremorphicin perustaja ja toimitusjohtaja
Tekoäly- ja koneoppimissovellusten kasvun ja laajamittaisen käyttöönoton myötä kaikilla teollisuussegmenteillä ja kaikkien teknologioiden kehittyessä supertietokoneet ovat tehneet jälkensä. Niitä käytetään nykyään lähes kaikilla elämämme osa-alueilla lääkekehityksestä sääennusteisiin ja verkkopelaamiseen. Supertietokoneet uskomattomalla älykkyydellään voivat pelastaa maailman, mutta niiden suorituskyvyn parantuessa niiden tehotarve lähestyy pienen kaupungin vaatimuksia. Ei ole liioiteltua väittää, että puolijohdeteollisuus tekee modernin elämän mahdolliseksi. Yli 100 miljardia integroitua piiriä on päivittäin käytössä kansainvälisesti, ja kysyntä vain jatkaa kasvuaan: kiitos suuren osan edistysaskeleista nopeasti kehittyvillä tekoälyn (AI), autonomisten ajoneuvojen ja esineiden internetin markkinoilla.
Tähän mennessä ala on onnistunut jatkuvasti tarjoamaan tehokkaampia integroituja siruja vastauksena kysyntään. Mutta kun datan kulutus kasvaa valtavasti päivittäin, superlaskentaympäristöt ovat yleistymässä nykypäivän jokapäiväisessä elämässä, ja sen seurauksena niiden monimutkainen infrastruktuuri tekee vianmäärityksestä ja vikojen seurannasta erittäin vaikeaa. Tämä johtuu siitä, että nämä infrastruktuurit sisältävät tuhansia solmuja, jotka edustavat erilaisia sovelluksia ja prosessoreita. Näiden ongelmien ratkaisemiseksi tarvitaan reaaliaikainen luotettavuusanalyysikehys luotettavan suorituskyvyn laskentaympäristöille. On välitön tarve käsitellä luotettavuuteen, turvallisuuteen ja energiankulutukseen liittyviä kysymyksiä, joita korkean suorituskyvyn tietojenkäsittely tällä hetkellä kohtaa.
 antaa yrityksille mahdollisuuden kasvaa laskennallisesti kehittääkseen syväoppimisalgoritmeja, jotka pystyvät käsittelemään eksponentiaalisesti suuria tietomääriä. Tietojen lisääntyessä tarvitaan kuitenkin enemmän tietokoneen tehoa ja parempia suorituskykyvaatimuksia. Tämän seurauksena olemme nyt todistamassa HPC:n sulautumista tekoälyyn, mikä avaa uuden aikakauden!</p><p>Parempi suorituskyky vaatii enemmän energiaa, minkä vuoksi on mahdotonta hallita, jos noudatamme perinteistä lähestymistapaa korkeamman suorituskyvyn saavuttamiseksi. Kehittyneiden algoritmien kehittäminen tehokkaan työmäärän vähentämiseksi on uusi lähestymistapa energiankulutukseen on yksi ratkaisuista. . Nykypäivän uudella aikakaudella, jossa laskentaa on runsaasti ja tekoäly tekee turvallisuuspuolustuksen entistä vaikeammaksi, arkkitehtuuri on suunniteltava torjumaan tulevia uhkia ja mahdollistamaan uuden AI/ML-käsittelyn. Toinen suuri skaalausmahdollisuus, johon puolijohdeteollisuus on siirtymässä, on mukautettu pienitehoinen piiriarkkitehtuuri korkean suorituskyvyn oikosulkuille. Teollisuus tarvitsee nykyään uuden, luotettavan arkkitehtuurin, joka käyttää logiikkaa ja koneoppimista havaitsemaan ja korjaamaan vikoja käyttäen parasta saatavilla olevaa laitteistoa ja ohjelmistoa.</p><p>Perinteisissä piireissä ymmärretään yleisesti, että asioiden nopeuttamiseksi on käytettävä enemmän energiaa. Nopeus ja voima ovat jatkuvia vastustajia. Monet strategioista, jotka auttavat vähentämään tekoälyn energiankulutusta, auttavat kuitenkin myös parantamaan suorituskykyä. Esimerkiksi pitämällä tiedot paikallisena tai paikallaan, voit säästää energiaa ja välttää tiedonhakujen latenssisummaimia. Vähäisyys minimoi vaaditun laskentatason, jolloin voit suorittaa työmäärän nopeammin. Yksinkertaisesti sanottuna – Vähemmän tietojenkäsittelyä ja vähemmän tiedonsiirtoa tarkoittaa vähemmän energiankulutusta. Koneoppiminen on myös vaihtoehtoinen tapa ratkaista ongelmia paljon tehokkaammalla energiatehokkuudella (energia, edullinen suorituskyky jne.).</p><p>Nykyisin puolijohdeteknologian etenemissuunnitelma tarjoaa työkaluja ja solmuja edistyneiden piituotteiden kehittämiseen, jotta voidaan vastata tähän suuren suorituskyvyn tietojenkäsittelyn tarpeeseen, ja 5 nm:n solmu on erittäin tehokas tarjoamaan korkea portitiheys (noin 40 miljoonaa). portit 1 neliömetrin alueella). Tämän avulla yritys voi olennaisesti tehdä erittäin monimutkaisia ja suorituskykyisiä siruja kohtuullisessa fyysisessä koossa, jos sillä on pääsy tämäntyyppiseen teknologiasolmuun. Nämä solmut asettavat kuitenkin haasteen vuototehon ja luotettavuuden hallinnassa. Ja nämä kaksi haastetta, luotettavuus ja energiatehokkuus, estävät tällä hetkellä tehdä korkeasta suorituskyvystä yleinen paikka tekoäly/koneoppimistilassa.</p><p>Kun mittakaava ja monimutkaisuus ovat lisääntyneet, luotettavuuteen ja järjestelmän kestävyyteen, energiatehokkuuteen, optimointiin ja ohjelmistojen monimutkaisuuteen liittyviä haasteita on ilmaantunut, mikä tarkoittaa, että nykyiset lähestymistavat on arvioitava uudelleen. Vaikka uusien teknologioiden käyttö on ollut paljon innostunutta sekä laskentalaitteistoissa että jäähdytysteknologioissa, useimmat käyttäjät keskittyvät edelleen hyödyntämään käytettävissään olevia perinteisempiä resursseja.</p><p>Mainos</p> </div>
</div>
<div class=)
