A Normal Computing desenvolveu o processador mais preguiçoso do mundo – ele calcula sem nem mesmo fazer nada

A startup americana Normal Computing anunciou o desenvolvimento do primeiro chip de computação termodinâmica do mundo. O processador CN101 será capaz de processar operações vetoriais e matriciais, com eficiência 1.000 vezes maior do que os processadores tradicionais. Em geral, seus cálculos são simplesmente uma espera para que as leis da termodinâmica naturalmente levem o chip a um estado de leitura dos dados de saída. Isso mudará o mundo da IA, os desenvolvedores têm certeza, e pretendem comprová-lo.

Fonte da imagem: Computação Normal

A startup está sendo organizada por ex-alunos do Google que trabalharam na empresa com computação quântica e IA. Eles não viam perspectivas claras para plataformas clássicas, muito menos para as quânticas, que ainda estão marcando passo na linha de largada. Para a IA, de acordo com a Computação Normal, a aleatoriedade é a norma, e essa norma é natural para processos físicos comuns, como espalhamento, flutuações e outros fenômenos estocásticos. Por que sobrecarregar processadores clássicos com a imitação da aleatoriedade se a física pode fazer isso sozinha e com o mínimo de estresse (com o mínimo de consumo de energia)? Idealmente, esses poderiam ser processadores quânticos, mas não se sabe quando eles surgirão.

A ideia de um processador termodinâmico é que ele consiste em muitos circuitos oscilatórios idênticos com capacitores. Os fatores de ponderação são definidos pelo valor de carga dos capacitores. Em seguida, o processador simplesmente esfria – por exemplo, para acelerar os cálculos, ele pode ser imerso em água. Após o equilíbrio termodinâmico ser estabelecido no ambiente, as cargas dos capacitores são lidas, o que fornece o resultado do cálculo dos fatores de ponderação sem consumo direto de energia para a execução das operações. O método provou sua eficiência para o cálculo de operações matriciais e para álgebra linear em geral. O chip CN101 funcionará nessa área. Para outras tarefas, a empresa criará seus próprios chips termodinâmicos.

Mais especificamente, o CN101 foi projetado especificamente para álgebra linear e cálculos matriciais, fornecendo uma solução eficiente para sistemas lineares de larga escala que fundamentam engenharia, computação científica e otimização. O chip também é otimizado para cálculos de amostragem estocástica usando Caminhada Aleatória em Treliça (LRW), acelerando significativamente os cálculos probabilísticos necessários para modelagem científica e inferência bayesiana.

A solução CN101 lançada no mercado é o primeiro passo para concretizar a visão da Normal Computing de comercializar computação termodinâmica em larga escala que oferece desempenho de IA significativamente maior por watt, rack e dólar, maximizando o desempenho da IA dentro dos orçamentos de energia existentes.

A empresa planeja lançar os processadores CN201 em 2026, que apresentam modelos de difusão de alta resolução e recursos avançados de IA, e desenvolver o CN301 no final de 2027 ou início de 2028, que será a transição para modelos avançados de difusão de vídeo.

«Nos últimos meses, vimos a IA atingir seus limites com o consumo de energia e a arquitetura atuais, mesmo com a indústria planejando aumentar o número de ciclos de treinamento em mais 10.000 vezes nos próximos 5 anos. A computação termodinâmica pode definir novas leis de escala para as próximas décadas, implementando fisicamente algoritmos de IA, incluindo arquiteturas pós-autoregressivas. “Alcançar o primeiro sucesso do CN101 em silício é um momento histórico para um paradigma emergente, concretizado por uma equipe muito pequena de desenvolvedores”, disse Faris Sbahi, CEO da Normal Computing.

Agora que o projeto digital do CN101 está concluído, a Normal Computing está se dedicando à caracterização, fabricação e testes. Os resultados subsidiarão o desenvolvimento dos próximos chips CN201 e CN301, que ampliarão os recursos de computação termodinâmica da Normal para escalar cargas de trabalho de IA.

«”Nosso objetivo é escalar modelos de difusão com nosso hardware estocástico. Este ano, demonstraremos aplicações-chave no CN101, no próximo ano, atingiremos desempenho de ponta em problemas de média escala com o GenAI no CN201 e, finalmente, em dois anos, alcançaremos múltiplas melhorias de desempenho em problemas de grande escala com o GenAI no CN301″, afirma Patrick Coles, Cientista Principal da Normal Computing.

«”O CN101 representa a primeira demonstração em silício da nossa arquitetura termodinâmica, que explora aleatoriedade, metaestabilidade e ruído para realizar tarefas de amostragem. Ao estudar o CN101, podemos estabelecer as bases para a compreensão de como esses processos aleatórios se comportam em silício real e fornecer um caminho claro para escalar nossa arquitetura e oferecer suporte a modelos de difusão modernos”, disse Zach Belateche, chefe de desenvolvimento de tecnologia de silício na Normal Computing.