تتزايد تعقيدات نماذج الذكاء الاصطناعي (AI) بشكل كبير في الآونة الأخيرة، مع مواجهة عمليات الضرب المصفوفي (Matrix Multiplication) تحديات هامة في الأداء والاستهلاك الطاقي. الوقت الحالي يتطلب حلول مبتكرة لتجنب ما يعرف بانسداد فون نيومان (Von Neumann Bottleneck) في الحوسبة.

ظهرت معماريات الحوسبة في الذاكرة (In-Memory Computing - IMC) كبديل واعد، ولكن القدرات الحالية - سواء كانت رقمية أو تناظرية - تواجه العديد من الحدود التي تؤثر سلباً على الأداء وكفاءة الطاقة. وبالتالي، يأتي عملنا لتقديم OISMA، المعمارية الجديدة التي تعتمد على البساطة الحسابية لنظام الحوسبة العشوائية شبه (Quasi-Stochastic Computing) في تصميم يُعرف بنظام الهرم المنحني (Bent-Pyramid).

ما يميز OISMA عن غيرها هو قدرتها على تنفيذ عمليات الضرب العشوائي داخل الذاكرة بفعالية دون تكاليف كبيرة، مما يساهم في تحسين الأداء بفعالية. بالإضافة إلى ذلك، يضيف تصميم OISMA مكوناً للتجميع يأخذ بتدفقات البت الناتجة عن عمليات الضرب، مما يعزز قدرة النظام على معالجة عمليات الضرب المصفوفي.

تم تنفيذ مصفوفة OISMA بحجم 4 كيلو بايت باستخدام تكنولوجيا 180 نانومتر التجارية وذاكرة الوصول العشوائي المقاومة (RRAM) الخاصة بالمختبر. وقد حققت هذه المعمارية كفاءة طاقة تصل إلى 0.789 TOPS/W و3.98 GOPS/mm²، مع احتلال مساحة فعالة للتشغيل تبلغ 0.804241 mm². وعند تطبيق OISMA على تكنولوجيا 22 نانومتر، شهدت كفاءة الطاقة تحسناً كبيراً بمقدار مرتين مقارنة بالمعماريات الكثيفة السابقة، في حين حصلت أيضاً على تحسين بنحو مرتبة واحدة في كفاءة المساحة.

هذا التقدم يمثل خطوة إيجابية نحو معالجة البيانات بشكل أكثر كفاءة في العالم الناشئ للذكاء الاصطناعي، مما يبشر بمستقبل أكثر تكاملاً للتقنية.