검수요청.png검수요청.png

"퀀타플로우"의 두 판 사이의 차이

위키원
이동: 둘러보기, 검색
8번째 줄: 8번째 줄:
 
==특징==
 
==특징==
 
2020년 1월 8일 인터랙티브 터치 인터페이스 회사인 PQ Labs Inc는 퀀타플로우 AI 아키텍처를 공개했다. 새로운 아키텍처에는 기존 RISC-V 프로세서, QuantaFlow Generator 및 QF Evolution Space가 포함되었다. AI 및 딥 러닝 추론 솔루션의 미래를 바꿀 수있는 새로운 아키텍처를 업계가 본 것은 이번이 처음으로 머신 러닝 및 인공지능에 진입이 가능한 양자 컴퓨팅은 새로운 혁명이 될 것이라고 말했다.퀀타는 퀀텀의 복수형으로, 퀀타플로우 AI SOC 아키텍처는 양자 연산과 매우 유사한 대규모 병렬 변환/진화를 시뮬레이션 하도록 설계 되어 있다. 실제 양자 컴퓨터는 여전히 실용적이지 못한데, 구글의 퀀텀 슈프리머시 이후에도 실행할 수 있는 알고리즘은 거의 없으며 실제 응용 프로그램도 없다. QRAM(양자 RAM)은 이론적으로만 존재하며 큐비트는 무엇보다도 취약하므로 오류의 수정은 필수적으로 필요하다. <ref name="QUANTANEO">〈[https://www.quantaneo.com/AI-and-Quantum-Flow-boosts-Deep-Learning-speed-10x-15x-Faster-powered-by-pqlabs-ai_a376.html AI AND QUANTUM FLOW BOOSTS DEEP LEARNING SPEED 10X - 15X FASTER - POWERED BY PQLABS.AI]〉, 《QUANTANEO》, 2020-01-08</ref>
 
2020년 1월 8일 인터랙티브 터치 인터페이스 회사인 PQ Labs Inc는 퀀타플로우 AI 아키텍처를 공개했다. 새로운 아키텍처에는 기존 RISC-V 프로세서, QuantaFlow Generator 및 QF Evolution Space가 포함되었다. AI 및 딥 러닝 추론 솔루션의 미래를 바꿀 수있는 새로운 아키텍처를 업계가 본 것은 이번이 처음으로 머신 러닝 및 인공지능에 진입이 가능한 양자 컴퓨팅은 새로운 혁명이 될 것이라고 말했다.퀀타는 퀀텀의 복수형으로, 퀀타플로우 AI SOC 아키텍처는 양자 연산과 매우 유사한 대규모 병렬 변환/진화를 시뮬레이션 하도록 설계 되어 있다. 실제 양자 컴퓨터는 여전히 실용적이지 못한데, 구글의 퀀텀 슈프리머시 이후에도 실행할 수 있는 알고리즘은 거의 없으며 실제 응용 프로그램도 없다. QRAM(양자 RAM)은 이론적으로만 존재하며 큐비트는 무엇보다도 취약하므로 오류의 수정은 필수적으로 필요하다. <ref name="QUANTANEO">〈[https://www.quantaneo.com/AI-and-Quantum-Flow-boosts-Deep-Learning-speed-10x-15x-Faster-powered-by-pqlabs-ai_a376.html AI AND QUANTUM FLOW BOOSTS DEEP LEARNING SPEED 10X - 15X FASTER - POWERED BY PQLABS.AI]〉, 《QUANTANEO》, 2020-01-08</ref>
이러한 기술의 어려움에 직면하여 양자와 유사한 계산의 다른 접근 방식이 탐색되고 있다. 이러한 예시로 캐나다의 기술 신생기업인 D-Wave는 2019년 5,000 큐비트 양자 어닐라 컴퓨터를 발표했다.그러나 과학자들은 D-Wave의 컴퓨터가 진정한 양자가 아닌 양자 알고리즘 및 양자 시뮬레이션이라고 주장한다. 학문적 논쟁에도 불구하고 D-Wave는 약물 분자 분류, 광고 최적화 등과 같은 실제 문제를 해결하는 세계 최초의 양자 컴퓨터이다. 그러나 이러한 양자 컴퓨터는 매우 거대하고 1,500만 달러의 비용이 들기 때문에 많은 곳에서 사용하지 못하고 있다. 이러한 양자 스타일 알고리즘 구현 간의 격차를 다른 방식으로 접근하는 것을 내놓은 것이 퀀타 플로우 PQ Labs, Ins이다. 퀀타 플로우는 큐비트 레지스터에 대한 가상 변환/진화 공간을 시뮬레이션하고 논리 제어, 결과 관찰 검색 등을 제공하기 위해 고전적인 단일 코어 RISC-V프로세스를 구현했다. 퀀타플로우 제네레이터는 입력 데이터를 저 차원 공간에서 고차원 공간으로 변환한 다음 연속 변환/진화를 시작하고, 프로세스는 최소한의 세분성으로 본질적으로는 병렬적이며 비동기적이라고 볼 수 있다.프로세스가 끝날때까지 비트 옵서버 단위로 진화 공간의 정보를 추출한다. 핫패칭을 사용하여 큐비트의 진화 경로를 동적으로 변경할 수 있으며, 진화 공간에 더 큰 변형을 필요한 경우 RISC-V 프로세서는 진화 공간에 웜 재부팅을 실행한다. 이 모든 작업은 순식간에 실행할 수 있으며, 동적 작업의 도움으로 퀀타플로우는 속도 저하 또는 메모리 벽에 도달하지 않고 RestNet-50(2015),MobileNet(2017), EfficientNet(2019)등 모든 종류의 신경망 모델을 실행하여 사용할 수 있다. CPU 및 ASIC AI 가속기는 새로운 모델의 메모리를 제한시켜 성능을 저하 시킨다.<ref> CISION, 〈[https://www.prnewswire.com/news-releases/ces-2020-ai--quantum-flow-boosts-deep-learning-speed-10x---15x-faster---powered-by-pqlabsai-300983793.html CES 2020, AI + Quantum Flow boosts Deep Learning speed 10x - 15x Faster - powered by pqlabs.ai]〉, 《CISION》, 2020-01-08</ref>
+
이러한 기술의 어려움에 직면하여 양자와 유사한 계산의 다른 접근 방식이 탐색되고 있다. 이러한 예시로 캐나다의 기술 신생기업인 D-Wave는 2019년 5,000 큐비트 양자 어닐라 컴퓨터를 발표했다.그러나 과학자들은 D-Wave의 컴퓨터가 진정한 양자가 아닌 양자 알고리즘 및 양자 시뮬레이션이라고 주장한다. 학문적 논쟁에도 불구하고 D-Wave는 약물 분자 분류, 광고 최적화 등과 같은 실제 문제를 해결하는 세계 최초의 양자 컴퓨터이다. 그러나 이러한 양자 컴퓨터는 매우 거대하고 1,500만 달러의 비용이 들기 때문에 많은 곳에서 사용하지 못하고 있다. 이러한 양자 스타일 알고리즘 구현 간의 격차를 다른 방식으로 접근하는 것을 내놓은 것이 퀀타 플로우 PQ Labs, Ins이다. 퀀타 플로우는 큐비트 레지스터에 대한 가상 변환/진화 공간을 시뮬레이션하고 논리 제어, 결과 관찰 검색 등을 제공하기 위해 고전적인 단일 코어 RISC-V프로세스를 구현했다. 퀀타플로우 제네레이터는 입력 데이터를 저 차원 공간에서 고차원 공간으로 변환한 다음 연속 변환/진화를 시작하고, 프로세스는 최소한의 세분성으로 본질적으로는 병렬적이며 비동기적이라고 볼 수 있다.프로세스가 끝날때까지 비트 옵서버 단위로 진화 공간의 정보를 추출한다. 핫패칭을 사용하여 큐비트의 진화 경로를 동적으로 변경할 수 있으며, 진화 공간에 더 큰 변형을 필요한 경우 RISC-V 프로세서는 진화 공간에 웜 재부팅을 실행한다. 이 모든 작업은 순식간에 실행할 수 있으며, 동적 작업의 도움으로 퀀타플로우는 속도 저하 또는 메모리 벽에 도달하지 않고 RestNet-50(2015),MobileNet(2017), EfficientNet(2019)등 모든 종류의 신경망 모델을 실행하여 사용할 수 있다. CPU 및 ASIC AI 가속기는 새로운 모델의 메모리를 제한시켜 성능을 저하 시킨다.<ref> CISION, 〈[https://www.prnewswire.com/news-releases/ces-2020-ai--quantum-flow-boosts-deep-learning-speed-10x---15x-faster---powered-by-pqlabsai-300983793.html CES 2020, AI + Quantum Flow boosts Deep Learning speed 10x - 15x Faster - powered by pqlabs.ai]〉, 《CISION》, 2020-01-08</ref> 이러한 부분으로 양자 컴퓨팅은 여전히 실용성과는 거리가 멀다. 구글이 양자우위를 달성 발표 이후에도 알고리즘을 거의 실행할 수 없으며 실제 애플리케이션도 없다. QRAM은 이론상으로만 가능하며, 큐비트는 깨지기 쉬우므로 오류 수정이 필요하다. 몇 개의 큐비트를 다루는 소규모 실험에서는 문제가 되지 않을 수 있으나. 대규모 실험일 경우 문제가 생길 수 있다. PQ랩에 따르면 퀀타 플로우 아키텍처는 진전된 AI딥러닝 추론 성능을 제시하고 아키텍처 디자인 플로우는 'Verilog' 대신 고급 언어로 가속화, 실리콘칩 성능을 최대화하는 알고리즘으로 최적화 된다. 퀀타플로우는 동일한 네트워크 구성에 엔디비아 v100에 비해 10배 빠른 속도를 달성할 수 있으며, 최신 네트워크 모델에서는 속도도 더욱 빨라질 것이라고 했다.<ref> TheScienceMonitor, 〈[http://scimonitors.com/%ED%80%80%ED%83%80%ED%94%8C%EB%A1%9C%EC%9A%B0-%EC%96%91%EC%9E%90-%EC%95%8C%EA%B3%A0%EB%A6%AC%EC%A6%98-%ED%99%9C%EC%9A%A9-ai%EC%B9%A9-%EC%84%A4%EA%B3%84/ CES 2020, AI + Quantum Flow boosts Deep Learning speed 10x - 15x Faster - powered by pqlabs.ai]〉, 《TheScienceMonitor》, 2020-01-09</ref>
 
 
  
 
{{각주}}
 
{{각주}}
17번째 줄: 16번째 줄:
 
* QUANTANEO, 〈[https://www.quantaneo.com/AI-and-Quantum-Flow-boosts-Deep-Learning-speed-10x-15x-Faster-powered-by-pqlabs-ai_a376.html AI AND QUANTUM FLOW BOOSTS DEEP LEARNING SPEED 10X - 15X FASTER - POWERED BY PQLABS.AI]〉, 《QUANTANEO》, 2020-01-08
 
* QUANTANEO, 〈[https://www.quantaneo.com/AI-and-Quantum-Flow-boosts-Deep-Learning-speed-10x-15x-Faster-powered-by-pqlabs-ai_a376.html AI AND QUANTUM FLOW BOOSTS DEEP LEARNING SPEED 10X - 15X FASTER - POWERED BY PQLABS.AI]〉, 《QUANTANEO》, 2020-01-08
 
* CISION, 〈[https://www.prnewswire.com/news-releases/ces-2020-ai--quantum-flow-boosts-deep-learning-speed-10x---15x-faster---powered-by-pqlabsai-300983793.html CES 2020, AI + Quantum Flow boosts Deep Learning speed 10x - 15x Faster - powered by pqlabs.ai]〉, 《CISION》, 2020-01-08
 
* CISION, 〈[https://www.prnewswire.com/news-releases/ces-2020-ai--quantum-flow-boosts-deep-learning-speed-10x---15x-faster---powered-by-pqlabsai-300983793.html CES 2020, AI + Quantum Flow boosts Deep Learning speed 10x - 15x Faster - powered by pqlabs.ai]〉, 《CISION》, 2020-01-08
 +
* TheScienceMonitor, 〈[http://scimonitors.com/%ED%80%80%ED%83%80%ED%94%8C%EB%A1%9C%EC%9A%B0-%EC%96%91%EC%9E%90-%EC%95%8C%EA%B3%A0%EB%A6%AC%EC%A6%98-%ED%99%9C%EC%9A%A9-ai%EC%B9%A9-%EC%84%A4%EA%B3%84/ CES 2020, AI + Quantum Flow boosts Deep Learning speed 10x - 15x Faster - powered by pqlabs.ai]〉, 《TheScienceMonitor》, 2020-01-09
  
 
== 같이 보기 ==
 
== 같이 보기 ==

2021년 2월 9일 (화) 17:16 판

퀀타플로우(QuantaFlow)는 CES 2020에서 양자 알고리즘을 활용하는 인공지능 칩 아키텍처이다. 퀀타플로우(QuantaFlow) 인공지능(AI) 시스템온칩(SoC) 아키텍처는 양자 연산(Quantum Computation)과 매우 유사한 대규모 병렬 변환/진화(transformation/evolution) 시뮬레이션을 위해 설계되었으며, 퀀타(Quanta)는 양자(Quantum)의 복수형을 의미한다.[1]

개요

퀀타플로우는 큐비트 레지스터의 가상 변화/진화 공간을 시뮬레이션하고, 단일 코어 RISC-V 프로세서는 논리적 제어, 결과 관찰 리트리벌 등을 고전적인 단일 코어 RISC-V 프로세서가 구현한다. 퀀타플로우 제네레이터는 입력 데이터를 저차원 공간에서 고차원 공간으로 변환, 지속적인 변환/진화를 수행한다.[1] 프로세스는 최소한의 세분성이고 본질적으로 매우 병렬에 가깝고 비동기적이다. 프로세스 정보는 비트 옵저버 유닛에 의해 진화 공간에서 출력된다. 또한 핫 패칭을 사용해 큐비트의 진화 경로를 동적으로 변경할 수 있다. 진화 공간에 대한보다 중요한 변형이 필요한 경우, RISC-V 프로세서는 진화 공간에 대해 “재부팅”을 수행한다. 순간적으로 가능한 동적 작업을 통해 퀀타플로우는 ResNet-50(2015), MobileNet(2017), EfficientNet(2019) 등 모든 종류의 신경망 모델을 실행할 수 있다. 이에 비해 GPU, ASIC AI 가속칩은 최신 모델에 성능을 저하시키는데, 이러한 새로운 모델은 모두 메모리에 바인딩 되어 제한된다. 퀀타플로우 아키텍처는 AI 딥러닝 추론에서 뛰어난 성능을 보여주기 위하여 한 단계 더 발전했고, 세부사항과 혁신 영역에는 많은 문제점이 있다.[2]

양자컴퓨팅큐비트의 지속적인 단일 변환을 기반으로 하며, 큐비트의 중첩 등 기존 비트와 다른 가능한 상태를 나타낼 수 있으며, 기존 컴퓨팅 모델과 마찬가지로 양자 컴퓨팅에는 입력, 프로세스 및 출력 3가지 주요 프로세스가 있다. 고전 모델과 달리, 양자 컴퓨팅의 프로세스 부분은 고전적인 튜링머신의 단계별 읽기-제어-쓰기 이외에 연속적인 변환/진화에 의해 수행된다.[2]

특징

2020년 1월 8일 인터랙티브 터치 인터페이스 회사인 PQ Labs Inc는 퀀타플로우 AI 아키텍처를 공개했다. 새로운 아키텍처에는 기존 RISC-V 프로세서, QuantaFlow Generator 및 QF Evolution Space가 포함되었다. AI 및 딥 러닝 추론 솔루션의 미래를 바꿀 수있는 새로운 아키텍처를 업계가 본 것은 이번이 처음으로 머신 러닝 및 인공지능에 진입이 가능한 양자 컴퓨팅은 새로운 혁명이 될 것이라고 말했다.퀀타는 퀀텀의 복수형으로, 퀀타플로우 AI SOC 아키텍처는 양자 연산과 매우 유사한 대규모 병렬 변환/진화를 시뮬레이션 하도록 설계 되어 있다. 실제 양자 컴퓨터는 여전히 실용적이지 못한데, 구글의 퀀텀 슈프리머시 이후에도 실행할 수 있는 알고리즘은 거의 없으며 실제 응용 프로그램도 없다. QRAM(양자 RAM)은 이론적으로만 존재하며 큐비트는 무엇보다도 취약하므로 오류의 수정은 필수적으로 필요하다. [2] 이러한 기술의 어려움에 직면하여 양자와 유사한 계산의 다른 접근 방식이 탐색되고 있다. 이러한 예시로 캐나다의 기술 신생기업인 D-Wave는 2019년 5,000 큐비트 양자 어닐라 컴퓨터를 발표했다.그러나 과학자들은 D-Wave의 컴퓨터가 진정한 양자가 아닌 양자 알고리즘 및 양자 시뮬레이션이라고 주장한다. 학문적 논쟁에도 불구하고 D-Wave는 약물 분자 분류, 광고 최적화 등과 같은 실제 문제를 해결하는 세계 최초의 양자 컴퓨터이다. 그러나 이러한 양자 컴퓨터는 매우 거대하고 1,500만 달러의 비용이 들기 때문에 많은 곳에서 사용하지 못하고 있다. 이러한 양자 스타일 알고리즘 구현 간의 격차를 다른 방식으로 접근하는 것을 내놓은 것이 퀀타 플로우 PQ Labs, Ins이다. 퀀타 플로우는 큐비트 레지스터에 대한 가상 변환/진화 공간을 시뮬레이션하고 논리 제어, 결과 관찰 검색 등을 제공하기 위해 고전적인 단일 코어 RISC-V프로세스를 구현했다. 퀀타플로우 제네레이터는 입력 데이터를 저 차원 공간에서 고차원 공간으로 변환한 다음 연속 변환/진화를 시작하고, 프로세스는 최소한의 세분성으로 본질적으로는 병렬적이며 비동기적이라고 볼 수 있다.프로세스가 끝날때까지 비트 옵서버 단위로 진화 공간의 정보를 추출한다. 핫패칭을 사용하여 큐비트의 진화 경로를 동적으로 변경할 수 있으며, 진화 공간에 더 큰 변형을 필요한 경우 RISC-V 프로세서는 진화 공간에 웜 재부팅을 실행한다. 이 모든 작업은 순식간에 실행할 수 있으며, 동적 작업의 도움으로 퀀타플로우는 속도 저하 또는 메모리 벽에 도달하지 않고 RestNet-50(2015),MobileNet(2017), EfficientNet(2019)등 모든 종류의 신경망 모델을 실행하여 사용할 수 있다. CPU 및 ASIC AI 가속기는 새로운 모델의 메모리를 제한시켜 성능을 저하 시킨다.[3] 이러한 부분으로 양자 컴퓨팅은 여전히 실용성과는 거리가 멀다. 구글이 양자우위를 달성 발표 이후에도 알고리즘을 거의 실행할 수 없으며 실제 애플리케이션도 없다. QRAM은 이론상으로만 가능하며, 큐비트는 깨지기 쉬우므로 오류 수정이 필요하다. 몇 개의 큐비트를 다루는 소규모 실험에서는 문제가 되지 않을 수 있으나. 대규모 실험일 경우 문제가 생길 수 있다. PQ랩에 따르면 퀀타 플로우 아키텍처는 진전된 AI딥러닝 추론 성능을 제시하고 아키텍처 디자인 플로우는 'Verilog' 대신 고급 언어로 가속화, 실리콘칩 성능을 최대화하는 알고리즘으로 최적화 된다. 퀀타플로우는 동일한 네트워크 구성에 엔디비아 v100에 비해 10배 빠른 속도를 달성할 수 있으며, 최신 네트워크 모델에서는 속도도 더욱 빨라질 것이라고 했다.[4]

각주

참고자료

같이 보기


  검수요청.png검수요청.png 이 퀀타플로우 문서는 컴퓨터에 관한 글로서 검토가 필요합니다. 위키 문서는 누구든지 자유롭게 편집할 수 있습니다. [편집]을 눌러 문서 내용을 검토·수정해 주세요.