Toshiba avanza en el aprendizaje profundo con un procesador neuromórfico de consumo extremadamente bajo

Toshiba Corporation (TOKIO:6502) continúa con su compromiso de la promoción del Internet de las Cosas y el análisis de grandes volúmenes de datos con el desarrollo de una red neuronal de dominio del tiempo (Time Domain Neural Network, TDNN)¹ que utiliza un circuito semiconductor neuromórfico de consumo de energía extremadamente bajo a fin de realizar el procesamiento para el aprendizaje profundo. La TDNN está compuesta de una cantidad masiva de pequeñas unidades de procesamiento que utilizan la técnica analógica original de Toshiba, a diferencia de los procesadores digitales convencionales. La TDNN se presentó el 8 de noviembre en la A-SSCC de 2016 (Conferencia de Circuitos de Estado Sólido Asiática de 2016), una conferencia internacional patrocinada por IEEE sobre la tecnología de circuitos semiconductores celebrada en Japón.

Esta edición de Smart News Release (comunicado de prensa inteligente) incluye contenidos multimedia. Vea aquí la publicación completa: http://www.businesswire.com/news/home/20161107006737/es/

Time Domain Neural Network (Graphic: Business Wire)

El aprendizaje profundo requiere cantidades masivas de cálculos, generalmente realizados en procesadores de alto rendimiento que consumen mucha energía. Sin embargo, la integración de la potencia del aprendizaje profundo a los dispositivos IoT periféricos como sensores y teléfonos inteligentes, requiere IC de alta eficiencia energética que puedan realizar las grandes cantidades de operaciones requeridas sobre un consumo extremadamente bajo de energía.

En la arquitectura de la computadora de tipo von Neumann², la mayoría de la energía se consume al mover datos de dispositivos de memoria con chip interno o externo a la unidad de procesamiento. La forma más efectiva para reducir el movimiento de un dato es tener cantidades masivas de unidades de procesamiento, cada una de ellas dedicada a la manipulación de un solo dato que se encuentre en una ubicación cercana. A estos puntos de datos se les asigna un peso durante la conversión de una señal de entrada (p. ej., una imagen de un gato) a una señal de salida (p. ej., el reconocimiento de dicha imagen como un gato). Mientras más cerca se encuentre el punto de datos a la salida deseada, mayor será el peso que se le asigne. El peso provee un parámetro que guía automáticamente el proceso de aprendizaje profundo.

El cerebro tiene una estructura similar, en el sentido de que la fortaleza del acoplamiento entre neuronas (dato del peso) se desarrolla en una sinapsis (unidades de procesamiento). En este caso, las sinapsis son conexiones entre neuronas y cada una tiene una fortaleza diferente. Dicha fortaleza (peso) determina la señal que pasa la conexión. De esta manera, una sinapsis ejecuta un tipo de procesamiento. Esta arquitectura, que se puede denominar arquitectura desplegada espacialmente por completo, es atractiva pero tiene una desventaja obvia: reproducirla en un chip requiere una cantidad masiva de circuitos aritméticos que se extienden demasiado en poco tiempo.

La TDNN de Toshiba, que emplea técnicas de procesamiento de señales mixtas analógicas y digitales de dominio temporal (TDAMS)³ desarrolladas en 2013, permite la miniaturización de la unidad de procesamiento. En las TDAMS, las operaciones aritméticas como la suma se realizan de manera eficiente mediante el uso del retraso de tiempo del paso de la señal digital a través de la compuerta lógica como una señal analógica. Con esta técnica, la unidad de procesamiento para el aprendizaje profundo puede estar compuesta por solo tres compuertas lógicas y una memoria de 1 bit con la arquitectura desplegada espacialmente por completo. Toshiba fabricó un chip de prueba de concepto que utiliza una célula de SRAM (memoria estática de acceso aleatorio) como memoria y que ha demostrado el reconocimiento de figuras manuscritas. El consumo de energía por operación es de 20,6 fJ⁴, el cual es 1/6 veces mejor que lo informado con anterioridad en una conferencia líder⁵.

Toshiba planea desarrollar la TDNN como una memoria de acceso aleatorio resistiva (ReRAM) para poder mejorar aún más las eficiencias del área y la energía. El objetivo es un IC que aplique la tecnología de aprendizaje profundo en dispositivos periféricos.

1. TDNN: red neuronal que utiliza la técnica de procesamiento de señales mixtas analógicas y digitales de dominio temporal.
2. Tipo von Neumann: la arquitectura de computadoras estándar más ampliamente utilizada. La arquitectura carga datos de dispositivos de memoria a la unidad de procesamiento para el procesamiento.
3. TDAMS: una técnica de procesamiento de señales analógicas que utiliza el retraso de tiempo del paso de la señal digital a través de la compuerta lógica como una señal analógica. Desarrollado por Toshiba. (referencia: http://www.toshiba.co.jp/about/press/2013_02/pr2101.htm)
4. 20,6 fJ: Equivalente al desarrollo de 48,6 billones de operaciones en 1 segundo con 1 W de consumo de energía.
5. ISSCC 2016 (Conferencia de Circuitos de Estado Sólido Internacional de 2016), documento número 24.2.

Acerca de Toshiba Corporation
Toshiba Corporation, una empresa de la lista Fortune Global 500, canaliza las capacidades de clase mundial en productos y sistemas eléctricos y electrónicos avanzados de tres áreas principales de negocios: Energía que sostiene la vida cotidiana, es más limpia y más segura; Infraestructura que sostiene la calidad de vida y Almacenamiento que sostiene a la sociedad de información avanzada. Siguiendo los principios del Compromiso básico de Toshiba Group, “Comprometidos con la gente, comprometidos con el futuro” (Committed to People, Committed to the Future), Toshiba promueve operaciones internacionales y contribuye a la existencia de un mundo en el que las generaciones futuras vivan mejor.
Fundada en Tokio en 1875, Toshiba, actualmente, se encuentra en el centro de una red global de más de 550 compañías consolidadas que emplean a más de 188 000 personas a nivel mundial, con ventas anuales que superan los 5600 billones de JPY (50 000 millones de USD). (Al 31 de marzo de 2016).
Para obtener más información sobre Toshiba, visite www.toshiba.co.jp/index.htm

El texto original en el idioma fuente de este comunicado es la versión oficial autorizada. Las traducciones solo se suministran como adaptación y deben cotejarse con el texto en el idioma fuente, que es la única versión del texto que tendrá un efecto legal.

Vea la versión original en businesswire.com: http://www.businesswire.com/news/home/20161107006737/es/

cliquer sur l'image pour l'agrandir