您的位置:首页 >医学资料 >

MIT CSAIL:如果晶体管无法变小,则编码器必须更聪明

时间:2021-10-05 16:51:58 来源:

我们正在接近小晶体管可以获得的限制。因此,在过去的十年研究人员一直努力寻找其他方法来提高性能,以便计算机行业可以继续创新。

麻省理工学院CSAIL研究人员表示,摩尔定律需要更高效的软件,新算法和专用硬件后,提高计算技术。

1965年,英特尔联合创始人Gordon Moore预测,可以适合计算机芯片的晶体管的数量将是指数增长的 - 而且它们已经下降了大约一两年。半个世纪半,Moore的法律已经持续了:计算机已经较小,更快,更便宜,更高效,能够快速全球采用PC,智能手机,高速互联网等。

这种小型化趋势导致了今天具有几乎不想到的小电路的硅芯片。晶体管,实现计算机微处理器的微小开关,如此之小,其中1,000件铺设了端到端的端到端不比人的头发宽。并且长时间,晶体管越小,它们可以切换速度越快。但今天,我们正在接近小晶体管可以获得的限制。因此,在过去的十年研究人员上一直抓住他们的头,以寻找其他改善性能的方法,以便计算机行业可以继续创新。

虽然我们等待量子,碳纳米管或光子学等新计算技术的成熟(可能需要一段时间),但是将需要其他方法来获得性能,因为摩尔的法律结束。在最近在科学发表的杂志文章中,来自麻省理工学院计算机科学和人工智能实验室(CSAIL)的团队识别优先考虑继续提供计算速度的三个关键领域:更好的软件,新算法和更简化的硬件。

高级作者Charles E.Exerson表示,小型化的绩效优势已经如此之大,即数十年的程序员已经能够优先考虑制作代码写作更容易,而不是使代码本身更快地运行。这种趋势引入的效率效率是可以接受的,因为更快的电脑芯片一直能够拿起松弛。

“但是现在,能够在机器学习,机器人和虚拟现实等领域进一步进步将需要大量的计算能力,即小型化不能再提供的微型化,”MIT州电气工程系的Edwin Sibley Webster教授莱斯顿说和计算机科学。“如果我们想要利用这些技术的全部潜力,我们必须改变我们的计算方法。”

LESERSON CO-WROTED这篇论文,于2020年6月5日出版,其中有研究科学家尼尔汤普森,丹尼尔·桑切斯教授,兼职教授坎普森,研究科学家Joel Emer,Bradley Kuszmaul和Tao Schardl。

没有更多的摩尔

作者提出了关于三个计算领域的建议:软件,算法和硬件架构。

有了软件,他们说程序员对业绩的先前优先级的优先顺序导致了“减少”的问题策略:采取工作原因A的代码并使用它来解决问题B.例如,如果有人必须创建一个系统识别yes-or-no语音命令,但不想编写一个全新的自定义程序,他们可以采用现有程序,识别各种单词,并调整它仅响应yes-or-no answers。

虽然这种方法减少了编码时间,但它产生的效率低下化合物:如果单一的减少为80%,则为效率为自定义解决方案,然后添加20层减少,代码将比它的效率降低100倍。

“这些是程序员必须重新思考的战略,因为硬件改善放慢速度,”汤普森说。“如果我们希望继续获得我们所习惯的速度,我们就无法继续为通常的”业务“。”

相反,研究人员建议并行化代码等技术。使用古老的假设设计了很多现有软件,处理器只能一次只做一个操作。但近年来,多核技术使复杂的任务能够更快地完成数千次,以更节能的方式完成。

“由于Moore的法律不会让我们在银盘上提高表现,我们将不得不为艰难的方式提供绩效,”赖斯大学计算工程教授Moshe Vardi说。“这是计算研究的绝佳机会,[MIT CSAIL]报告提供了这种研究的路线图。”

至于算法,该团队建议了一种三管齐下的方法,包括探索新问题领域,解决了关于算法尺度的疑虑,并定制它们以更好地利用现代硬件。

最后,就硬件架构而言,团队倡导硬件被简化,以便使用较少的晶体管和较少的硅来解决问题。简化包括使用更简单的处理器并创建对特定应用程序定制的硬件,如图形处理单元用于计算机图形。

“为特定域定制的硬件可以比较有效和使用较少的晶体管,使应用程序能够更快地运行数百倍,”Schardl说。“更一般地,硬件精简将进一步鼓励并行编程,创建额外的芯片区域以用于可以并行运行的更多电路。”

虽然这些方法可能是前进的最佳道路,但研究人员说它不会总是一个容易的。使用此类技术的组织可能无法了解其努力的好处,直到他们投入了很多工程时间。此外,加速不会与摩尔定律一样符合,因为他们起初可能是戏剧性的,然后需要大量的努力来进行更小的改进。

某些公司已经得到了备忘录。

“对于像谷歌和亚马逊这样的科技巨头,他们的数据中心的巨大规模意味着甚至可能对软件性能的小幅改善可能导致大型财务回报,”汤普森说。“但是,虽然这些公司可能导致收费,但如果他们想要保持竞争力,许多其他人需要认真地提出这些问题。”

在团队确定的区域中获得改进,还需要建立使其成为可能的基础设施和劳动力。

“绩效增长将需要新的工具,编程语言和硬件来促进越来越好的性能工程,”莱斯顿说。“它也意味着计算机科学家更好地了解了我们如何制作软件,算法和硬件在一起的教育,而不是将它们放在不同的筒仓中。”

参考:“顶部有很多空间:摩尔法后会推动计算机性能的?“由Charles E. Leserson,Neil C. Thompson,Joel S. Emer,Bradley C. Kuszmaul,Butler W.Lampson,Daniel Sanchez和Tao B.Schardl,6月5日2020年6月5日,Science.doi:
10.1126 / science.aam9744

这项工作得到了国家科学基金会的支持。


郑重声明:文章仅代表原作者观点,不代表本站立场;如有侵权、违规,可直接反馈本站,我们将会作修改或删除处理。