EO533

TECNOLOGIA ELETTRONICA OGGI 533 - aprile 2026 64 memoria, riducendo il throughput e aumentando il consumo energeti- co, che si riscontra nell’architettura von Neumann. L’array sistolico è una soluzione efficace al problema della mappa- tura dell’architettura di calcolo alla topologia di una rete neurale, ma ciò che è necessario per implementarlo è l’innovazione a livello di silicio. Questo è ciò che Ambient Scientific ha ottenuto con la sua tecnologia DigAn. Nuovo processore AI La tecnologia DigAn consente ad Ambient Scientific di creare, a livel- lo di chip, un computer a matrice configurabile, una sorta di matrice sistolica, che si adatta naturalmente a una rete neurale. Questo nuo- vo approccio fondamentale comprende un nuovo tipo di unità di cal- colo, il MAC analogico, il blocco che svolge il lavoro delle unità ALU e di memoria dell’architettura von Neumann. Il MAC analogico è otti- mizzato per i sistemi di Intelligenza Artificiale, nei quali le operazioni MAC rappresentano il 95% del carico di lavoro dell’elaborazione. Grazie ad un’altra innovazione di Ambient Scientific, l’architettura di memoria HyperPort 3D, che consente l’impilamento verticale degli elementi di memoria in ogni unità MAC, il MAC analogico imple- menta il calcolo in-memory, risolvendo il problema di von Neumann della separazione fisica tra memoria e blocchi di calcolo. Il secondo passo avanti nell’approccio del calcolo analogico all’ela- borazione dell’AI consiste nel combinare blocchi MAC analogici in una struttura, un computer a matrice, che rispecchia la topologia di una rete neurale. Questo risolve il secondo punto debole dell’archi- tettura di von Neumann nelle operazioni con le reti neurali: il modo estremamente inefficiente in cui un modello di rete neurale viene com- pilato in istruzioni per un sistema di calcolo convenzionale. Ogni unità DigAn è un singolo circuito monolitico che calcola un inte- ro strato di neuroni in un singolo ciclo. Più strati di circuiti DigAn pos- sono essere scalati in un computer a matrice che rispecchia la struttu- ra di una rete neurale. Il risultato pratico è un sorprendente miglioramento dell’efficienza dei cicli di istruzione: un solo blocco di calcolo DigAn può calcolare una matrice 1x32x8 in un solo ciclo, rispetto ai 38.600 cicli di un proces- sore AI basato su un’architettura di silicio convenzionale. Più strati di questi blocchi DigAn formano un computer a matrice: 32 strati di una tipica matrice di rete neurale 1x32x8 richiederebbero 1.235.200 cicli per un’architettura di calcolo convenzionale. In un computer a matrice DigAn, questo richiede solo 32 cicli. Riducendo le operazioni di rete neurale da 1.235.200 cicli a 32 cicli, l’applicazione beneficia di notevoli miglioramenti in termini di pre- stazioni e potenza: prestazioni oltre 100 volte superiori a quelle di una tipica MCU con lo stesso consumo energetico, oppure le stesse prestazioni di una tipica GPU ma con un consumo inferiore all’1% dell’energia. IL COMPUTER A MATRICE DI AMBIENT SCIENTIFIC, COSTRUITO A PARTIRE DA PIÙ STRATI DI CIRCUITI DIGAN entrate entrate entrate matrici Il MAC analogico consente l’elaborazione in-memory MAC ANALOGICO E IN MEMORY Buffer di input (memoria delle operazioni) Matrice dei pesi Matrice dei pesi Matrice dei pesi Operazioni Operazioni Operazioni Calibrazione, compensazione