Concepts de base
異種チップレットを使用した大規模コンピューティングの課題と機会に焦点を当てる。
Résumé
人工知能(AI)アルゴリズムの急速な進化により、データセンターでの計算需要が増加しています。異種チップレットアーキテクチャは、システムの拡張時に多くの機会をもたらします。しかし、計算リソースを相互接続し、異種チップレットをオーケストレートする方法が成功の鍵です。本論文では、AIワークロードの多様性と進化する要求に焦点を当て、チップレットが新しい要求にどう対応し、ハードウェアおよびソフトウェアの課題とその解決策について議論しています。さらに、異種システムで効果的な設計空間探索(DSE)が必要です。
Stats
Monolithic ASICデザインサイクル:1年以上
Chipletデザインサイクル:数か月
Monolithic ASICコスト:100万ドル以上
Chipletコスト:1,000〜1,000,000ドル
Monolithic ASICエネルギー効率性:+++
Chipletエネルギー効率性:++
Monolithic ASICパフォーマンス:+++
Chipletパフォーマンス:++
Citations
"Artificial intelligence (AI) and deep learning (DL) have provided an effective way to address complicated tasks in applications including computer vision, natural language processing, etc."
"GPT and BERT are both Transformer model variances."
"The chiplet technique is becoming a promising solution to improve performance and energy efficiency and decrease the cost and time to market."
"Trusted execution environments (TEEs) provide an isolated space, namely an enclave, in which programs can be safely executed even in an untrusted CPU."