Recent Advances in Testing Techniques for AI Hardware Accelerators
La croissance rapide des big data provenant des appareils mobiles, de l'Internet des objets (IoT) et des appareils de périphérie, ainsi que la demande continue de puissance de calcul accrue, ont fait de l'apprentissage profond la pierre angulaire de la plupart des applications d'intelligence artificielle (IA) aujourd'hui. Ces dernières années ont vu une poussée vers l'apprentissage profond mis en œuvre sur des accélérateurs d'IA spécifiques au domaine qui prennent en charge des hiérarchies de mémoire personnalisées, une précision variable et une multiplication matricielle optimisée. Les accélérateurs d'IA commerciaux ont fait preuve d'une efficacité énergétique et d'un encombrement supérieurs à ceux des GPU pour toute une série de tâches d'inférence.
Cette monographie examine les obstacles qu'il convient de comprendre et d'analyser pour garantir la robustesse fonctionnelle des accélérateurs d'IA émergents. Les pratiques de pointe adoptées pour les tests structurels et fonctionnels des accélérateurs sont présentées, ainsi que les méthodologies d'évaluation de la criticité fonctionnelle des défauts matériels dans les accélérateurs d'IA afin de réduire la durée des tests en ciblant les défauts critiques sur le plan fonctionnel.
Cette monographie met en lumière les recherches récentes sur les efforts visant à améliorer les tests et la fiabilité des systèmes informatiques neuromorphiques construits à l'aide de dispositifs de mémoire non volatile (NVM) tels que les dispositifs de mémoire à transfert de spin (STT-MRAM) et de mémoire vive résistive (ReRAM). La robustesse des réseaux neuronaux photoniques au silicium et les problèmes de fiabilité liés aux défauts de fabrication et aux variations de processus dans les systèmes informatiques à mémoire virtuelle basés sur la technologie 3D monolithique (M3D) sont également abordés.
© Book1 Group - tous droits réservés.
Le contenu de ce site ne peut être copié ou utilisé, en tout ou en partie, sans l'autorisation écrite du propriétaire.
Dernière modification: 2024.11.14 07:32 (GMT)