SK Hynix utvecklar AI-chip med memristorer för edge-beräkningar

SK Hynix har i samarbete med TetraMem och University of Southern California utvecklat ett nytt system-on-chip (SoC) som utnyttjar memristorteknik för att förbättra energieffektiviteten vid neurala nätverksinferenser i edge AI-enheter.

Memristorer, som kan lagra och bearbeta data på samma plats, minskar energiförbrukningen och latensen som är förknippad med dataöverföring. Detta är särskilt viktigt för AI-applikationer som körs på strömsnåla enheter.

Det nya chippet, som är avsett för lätta AI-modeller, integrerar en RISC-V-processor och tio neurala processorenheter (NPU). Den teoretiska topprestandan anges till cirka 2,54 TOPS, med en energieffektivitet på upp till 21,3 TOPS/W.

En NPU är dedikerad till djupa faltningar (convolution), medan nio andra NPU:er hanterar punktvisa faltningar och täta beräkningar, vilket är vanligt i AI-uppgifter.