DARTH-PUM: A Hybrid Processing-Using-Memory Architecture
تقترح الورقة البحثية DARTH-PUM، وهي بنية هجينة تدمج تقنيات المعالجة باستخدام الذاكرة (PUM) التناظرية والرقمية مع دوائر طرفية محسنة ودعم برمجِي لتمكين الحوسبة داخل الذاكرة الشاملة والموفرة للطاقة لتطبيقات متنوعة مثل التشفير والتعلم العميق.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
تخيل أنك تدير مكتبة ضخمة حيث يتعين عليك حل مسائل رياضية معقدة. تقليديًا، سيتعين عليك جلب الكتب (البيانات) من المكتبة، وحملها إلى مكتب منفصل (وحدة المعالجة المركزية CPU) لإجراء العمليات الحسابية، ثم إعادتها. هذا الذهاب والإياب جريًا هو أمر بطيء، ومجهد، ويستهلك الكثير من الطاقة.
المعالجة باستخدام الذاكرة (PUM) هي فكرة جديدة تقول: "دعونا نقوم بالعمليات الحسابية مباشرة على أرفف المكتبة".
يقدم البحث DARTH-PUM، وهو نظام مكتبة "هجين" يجمع بين طريقتين مختلفتين لأداء العمليات الحسابية داخل الأرفف للحصول على أفضل ما في العالمين.
إليك كيف يعمل الأمر، باستخدام تشبيهات بسيطة:
1. نوعان من أمناء المكتبة (التناظري والرقمي)
يوضح البحث أن هناك طريقتين رئيسيتين لأداء الرياضيات في الذاكرة، ولكل منهما قوة خارقة ونقطة ضعف:
الأمين "التناظري" (العداء السريع):
- كيف يعمل: يستخدم التيار الكهربائي المتدفق عبر الأسلاك (مثل تدفق المياه عبر الأنابيب) لأداء كميات هائلة من عمليات الضرب والجمع في وقت واحد. إنه يشبه جوقة موسيقية ضخمة حيث يغني الجميع نوتة في نفس الوقت لإنشاء لحن متناغم فورًا.
- القوة الخارقة: سرعة مذهلة لمهام محددة مثل ضرب المصفوفات في المتجهات (MVM)، والتي تمثل العمل الشاق في الذكاء الاصطعي والتشفير.
- نقطة الضعوة: هو "ضوضائي" نوعًا ما وغير دقيق. لا يمكنه تنفيذ المنطق المعقد (مثل "إذا حدث هذا، افعل ذاك") أو التعامل بسهولة مع الأرقام السالبة. هو رائع في الأعمال الشاقة لكنه سيء في التفاصيل الدقيقة.
الأمين "الرقمي" (سيد المنطق):
- كيف يعمل: يستخدم الأصفار والآحاد القياسية (مثل الكمبيوتر العادي) لأداء المنطق خطوة بخطوة. إنه يشبه محاسبًا دقيقًا يدقق في كل رقم.
- القوة الخارقة: هو مثالي للمنطق، واتخاذ القرار، والتعامل مع الأرقام السالبة. هو دقيق للغاية.
- نقطة الضعف: هو بطيء في مهام الضرب الثقيلة لأنه يجب أن ينفذها خطوة بخطوة.
2. المشكلة مع المحاولات السابقة
قبل DARTH-PUM، حاول الباحثون استخدام الأمين التناظري فقط للمهام الكبيرة (مثل الذكاء الاصطناي). ولكن نظرًا لأن الأمين التناظري لا يمكنه تنفيذ المنطق، كان على النظام إرسال البيانات مرة أخرى إلى وحدة المعالجة المركزية الرئيسية لإكمال المهمة. كان هذا يشبه توظيف عداء سريع لسباق ماراثون، لكن إجباره على التوقف عند كل ميل للركض إلى مدينة أخرى للحصول على ختم ثم الركض عائدًا. لقد أضاع هذا كل السرعة.
حاولت محاولات أخرى بناء "وحدة وظائف خاصة" (روبوت متخصص) لمساعدة الأمين التناظري، لكنها كانت مكلفة، وصعبة البناء، وتعمل فقط لنوع معين من الرياضيات.
3. حل DARTH-PUM: الفريق الهجين
DARTH-PUM (البلاطات المقاومة الرقمية-التناظرية للمعالجة الهجينة باستخدام الذاكرة) هي شريحة واحدة تضم كلاً من العداء السريع (التناظري) وسيد المنطق (الرقمي) جنبًا إلى جنب في نفس الغرفة.
سير العمل:
- عندما تصل مسألة رياضية كبيرة (مثل ضرب مصفوفة ضخمة)، يقوم الأمين التناظري فورًا بالعمل الشاق.
- نظرًا لأن الأمين التناظري "ضوضائي" نوعًا ما أو يحتاج إلى دمج النتائج، يتم تمرير البيانات مباشرة إلى الأمين الرقمي، الذي يجلس بجانبه تمامًا.
- يقوم الأمين الرقمي بسرعة بمعالجة "أعمال التنظيف" (إزاحة البتات، إضافة الأرقام، التحقق من المنطق) دون أن تغادر البيانات المكتبة أبدًا.
"شرطي المرور" (المُحكّم - Arbiter):
يصف البحث مدير أجهزة خاص يعمل كشرطي مرور. هو يضمن ألا يعترض العداء السريع وسيد المنطق طريق بعضهما البعض. هو يخطط لمن يعمل ومتى، بحيث يمكن للأمين التناظري إنهاء دفعة الرياضيات الكبيرة الخاصة به ويمكن للأمين الرقمي تولي الأجزاء المتبقية لإكمال المهمة فورًا.
4. أمثلة من الواقع (ما اختبروه)
اختبر المؤلفون هذا النظام على ثلاثة أنواع مختلفة تمامًا من المهام لإثبات مرونته:
تشفير AES (قفل الخزنة):
- المهمة: تشفير البيانات للحفاظ على سريتها. يتطلب هذا الكثير من المنطق (إزاحة الصفوف، تبديل البتات) وخطوة ضرب واحدة كبيرة.
- النتيجة: تولى الأمين التناظري عملية الضرب، وتولى الأمين الرقمي عمليات الإزاحة والتبديل. كان النظام أسرع بـ 59.4 مرة من الطريقة القديمة التي تستخدم وحدة معالجة مركزية مع مسرع تناظري.
الشبكات العصبية الالتفافية (التعرف على الصور):
- المهمة: تحديد الأشياء في الصور (مثل ResNet). يتطلب هذا بشكل أساسي عمليات ضرب ثقيلة ولكن أيضًا بعض المنطق لعملية "التنشيط" (تحديد ما إذا كانت البكسل مهمة أم لا).
- النتيجة: كان النظام أسرع بـ 14.8 مرة من النموذج الأساسي. لقد وفر قدرًا هائلاً من الطاقة لأنه لم يضطر لنقل البيانات ذهابًا وإيابًا.
نماذج اللغات الكبيرة (LLMs – روبوتات الدردشة):
- المهمة: فهم وتوليد اللغة البشرية. يتطلب هذا رياضيات ومنطقًا معقدًا.
- النتيجة: كان النظام أسرع بـ 40.8 مرة من النموذج الأساسي.
5. لماذا هذا مهم؟
يزعم البحث أن DARTH-PUM هو حل "أفضل ما في العالمين".
- لا يتطلب روبوتات مخصصة باهظة الثمن (وحدات وظائف خاصة) لكل تطبيق جديد.
- لا يهدر الطاقة في نقل البيانات بين وحدة المعالجة المركزية والذاكرة.
- يمكنه التعامل مع كل شيء بدءًا من الرياضيات البسيطة وصولاً إلى المنطق المعقد على نفس الشريحة.
باخت️صار: DARTH-PUM يشبه بناء مكتبة حيث يعمل أسرع العدائين وأكثر المحاسبين دقة جنبًا إلى جنب في نفس الغرفة. إنهم يمررون العمل لبعضهم البعض فورًا، مما يجعل الفريق بأكمله يكمل المهمة بشكل أسرع وبجهد أقل مما لو كان عليهم الركض إلى مبانٍ مختلفة لإنجاز العمل.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.