MIT Eyeriss: 168-Kern-Chip soll Deep Learning in Smartphones bringen

Das MIT hat einen Chip entwickelt, der weitaus effizienter als eine Grafikeinheit in einem Mobile-SoC sein soll. Damit wäre Deep Learning in Smartphones oder Geräten des Internets der Dinge denkbar.

Artikel veröffentlicht am 4. Februar 2016, 11:30 Uhr, Marc Sauter

Eyeriss ist für Smartphones oder IoT gedacht. (Bild: MIT)

Forscher des Massachusetts Institute of Technology (MIT) haben auf der International Solid State Circuits Conference (ISSCC) einen neuen Chip für Deep Learning vorgestellt. Der mit 168 Kernen ausgerüstete Eyeriss soll eine lokale Berechnung in Form eines neuronalen Netzes ausführen. Das sei schneller und effizienter, als erst die Informationen über das Internet hochzuladen, auf einem Server zu verarbeiten und dann die Resultate zurückzuschicken. Eingesetzt werden könnte Eyeriss in Smartphones oder Geräten des Internets der Dinge, aber auch in selbstfahrenden Autos, Multicoptern oder Robotern.

Bisherige Ansätze in mobilen Geräten nutzen zumeist Software, die für Deep Learning auf Serverfarmen mit leistungsstarken GPUs oder Beschleunigern wie Xeon Phi zugreift und alle Anfragen über drahtlose Verbindungen schickt - ohne Internet klappt das nicht. Erste Schritte zu einer lokalen Verarbeitung wie Qualcomms Zeroth müssen sich noch in der Praxis beweisen, bei selbstfahrenden Autos hingegen werden entsprechende Algorithmen durchweg im Fahrzeug berechnet. Lösungen wie Nvidias Drive PX 2 benötigen allerdings derart viel Energie, dass eine Wasserkühlung verwendet wird.

Der Eyeriss-Chip des MIT ist daher auf hohe Effizienz ausgelegt, damit die Leistungsaufnahme sehr gering ausfällt und die Akkulaufzeit möglichst wenig verringert wird. Zu diesem Zweck wurden die einzelnen Kerne mit speziellen Speicherbereichen versehen, so dass sie selten kommunizieren müssen und wenn, dann komprimiert Eyeriss die Daten vorab und diese tauschen die Kerne ohne zeitraubenden Umweg über den Hauptspeicher aus.

Ob und wann der Chip in Geräten verbaut wird, sagten die Forscher nicht. Detail am Rande: Die Arbeit wurde teilweise von der Darpa finanziert.