퀀타플로우
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]
양자컴퓨팅은 큐비트의 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]
각주
- ↑ 1.0 1.1 〈퀀타플로우, 양자 알고리즘 활용 AI칩 설계〉, 《the science monitor》, 2020-01-09
- ↑ 2.0 2.1 〈AI AND QUANTUM FLOW BOOSTS DEEP LEARNING SPEED 10X - 15X FASTER - POWERED BY PQLABS.AI〉, 《QUANTANEO》, 2020-01-08
참고자료
- the science monitor, 〈퀀타플로우, 양자 알고리즘 활용 AI칩 설계〉, 《the science monitor》, 2020-01-09
- QUANTANEO, 〈AI AND QUANTUM FLOW BOOSTS DEEP LEARNING SPEED 10X - 15X FASTER - POWERED BY PQLABS.AI〉, 《QUANTANEO》, 2020-01-08
같이 보기