L'elaborazione in-memory riduce il consumo energetico di MCTS a 60 mW per l'IA del Go

Una nuova strategia di elaborazione in-memory multi-primitiva (IMC) per la ricerca ad albero Monte Carlo (MCTS) è stata introdotta dai ricercatori, promuovendo un processo decisionale dell'IA energeticamente efficiente su dispositivi edge. Mentre i processori tradizionali consumano tipicamente 55-300 W, il metodo innovativo IMC-MCTS opera a circa 60 mW per il Go 9x9, con un aumento dell'efficienza energetica di 96 volte rispetto a una CPU e tra 65 e 2.059 volte rispetto a una GPU H100. Questo metodo impiega la scomposizione fase-primitiva, trasformando ogni fase algoritmica—selezione, espansione, rollout e backpropagation—in primitive IMC native dell'hardware, tra cui memoria indirizzabile per contenuto e un crossbar di memoria resistiva ad accesso casuale (RRAM). Operando a 22 nm con parametri di array RRAM, il sistema mantiene l'intera ricerca su chip e raggiunge una valutazione della Federazione Europea di Go entro l'intervallo di incertezza dell'MCTS originale, sfidando le precedenti convinzioni sulla compatibilità dell'IMC con algoritmi complessi a più fasi e aprendo la strada a nuove applicazioni di IA edge.