$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

국내외 인공지능 반도체에 대한 연구 동향
Research Trends in Domestic and International Al chips 원문보기

스마트미디어저널 = Smart media journal, v.13 no.3, 2024년, pp.36 - 44  

김현지 (한성대학교 정보컴퓨터공학과) ,  윤세영 (한성대학교 융합보안학과) ,  서화정 (한성대학교 융합보안학과)

초록
AI-Helper 아이콘AI-Helper

최근 ChatGPT와 같은 초거대 인공지능 기술이 발달하고 있으며, 다양한 산업 분야 전반에서 인공지능이 활용됨에 따라 인공지능 반도체에 대한 관심이 집중되고 있다. 인공지능 반도체는 인공지능 알고리즘을 위한 연산을위해 설계된 칩을 의미하며, NVIDIA, Tesla, ETRI 등과 같이 국내외 여러 기업에서 인공지능 반도체를 개발 중에 있다. 본 논문에서는 국내외 인공지능 반도체 9종에 대한 연구 동향을 파악한다. 현재 대부분의 인공지능 반도체는 연산 성능을 향상시키기 위한 시도들이 많이 진행되었으며, 특정 목적을 위한 반도체들 또한 설계되고 있다. 다양한 인공지능 반도체들에 대한 비교를 위해 연산 단위, 연산속도, 전력, 에너지 효율성 등의 측면에서 각 반도체에 대해 분석하고, 현재 존재하는 인공지능 연산을 위한 최적화 방법론에 대해 분석한다. 이를 기반으로 향후 인공지능 반도체의 연구 방향에 대해 제시한다.

Abstract AI-Helper 아이콘AI-Helper

Recently, large-scale artificial intelligence (AI) such as ChatGPT have been developed, and as AI is used across various industrial fields, attention is focused on AI chips (semiconductors). AI chips refer to chips designed for calculations for AI algorithms, and many companies at domestic and abroa...

주제어

참고문헌 (18)

  1. Owens, John D., et al. "GPU computing," Proceedings of the IEEE 96.5, pp. 879-899, 2008.? 

  2. Choquette, Jack, et al. "NVIDIA Al00 tensor core GPU- Performance and innovation," IEEE Miero, vol. 41, no. 2, pp. 29-35, 2021.? 

  3. Wang, Yu Emma, Gu-Yeon Wei, and David Brooks. "Benchmarking TPU, GPU, and CPU platforms for deep learning," arXiv preprint arXiv:1907.10701, 2019.? 

  4. Choi, Yujeong, and Minsoo Rhu. "Prema: A predictive multi-task scheduling algorithm for preemptible neural processing units," 2020 IEEE International Symposium on High Performance Computer Architecture (HPCA). IEEE, 2020.? 

  5. Hoefler, Torsten, et al. "Sparsity in deep learning: Pruning and growth for efficient inference and training in neural networks," The Journal cf Machine Learning Research 22.1, pp. 10882-11005, 2021.? 

  6. Wu, Hao, et al. "Integer quantization for deep learning inference: Principles and empirical evaluation," arXiv preprint arXiv:2004.09602, 2020.? 

  7. Gou, Jianping, et al, "Knowledge distillation: A survey," International Journal of Computer Vision 129:,pp. 1789-1819, 2021.? 

  8. NVIDIA Hl00 Tensor Core GPU Architecture- EXCEPTIONAL PERFORMANCE, SCALABILITY, AND SECURITY FOR THE DATA CENTER (2022), https://www.advancedclustering.com/wp-content/uploads/2022/03/gtc22-whitepaper-hopper.pdf, (accessed 18, 03, 2024)? 

  9. Anne C. Elsterm et al. "Nvidia Hopper GPU and Grace GPU Highlights," Computing in Science & Engineering, vol. 24, no. 2, pp. 95-100, 2022.? 

  10. MTIA v1: Meta's first-generation Al inference accelerator (2023), https://ai.meta.com/blog/meta-training-inference-accelerator-AI-MTIA, (accessed 18, 03, 2024)? 

  11. E. Talpes et al" "The microarchitecture of dojo, tesla's exa-scale computer," IEEE Micro, vol. 43, no. 3, pp. 31-39, 2023.? 

  12. Deploying Transformers on the Apple Neural Engine (2022), https://machinelearning.apple.corn/research/neural-engine-transformers, (accessed 18, 03, 2024)? 

  13. Yong Cheol Peter Cho, et al.. "AB9: A neural processor for inference acceleration," ETRI ETRI Journal, vol. 42, no. 4, pp. 491-504, Aug. 2020.? 

  14. Sapeon (2024), https://www.sapeon.com/, (accessed 18, 03, 2024)? 

  15. FuriosaAI (2024), https://furiosa.ai/warboy/specs, (accessed 18, 03, 2024)? 

  16. ATOM: 5nm Versatile Inference SoC, Versatile yet Energy Efficient Al System-on-Chip (2023), http://rebellions.ai/rebellions-product/atom-2/, (accessed 18, 03, 2024)? 

  17. Albericio, Jorge, et al. "Cnvlutin: Ineffectual-neuron-free deep neural network computing," ACM SIGARCH Computer Architecture News, vol. 44, no. 3 pp. 1-13, 2016.? 

  18. Liu, Shaoli, et al. "Cambricon: An instruction set architecture for neural networks," ACM SIGARCH Computer Architecture News, vol. 44, no. 3, pp. 393-405, 2016. 

관련 콘텐츠

저작권 관리 안내
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로