Domaines explorés par AMD Research

Technologies de mémoire avancée

La recherche innovante en matière de systèmes de mémoire est un élément essentiel pour nos futurs produits, tandis que nous poursuivons nos efforts pour surmonter le tristement célèbre « mur mémoire ». AMD possède une longue expérience dans les innovations pour les systèmes mémoire, notamment en ayant été la première entreprise à introduire l'adressage 64 bits pour les processeurs x86, la première à intégrer des contrôleurs mémoire dans des processeurs x86, et la première à proposer de la mémoire HBM dans des produits commercialisés en grand volume. Aujourd'hui, AMD continue à ouvrir de nouvelles directions dans le domaine des technologies de mémoire grâce à ses recherches de pointe dans plusieurs domaines :

• Systèmes de mémoire pour calculs hautes performances : AMD Research a mené d'importants travaux sur des systèmes de mémoire avancés pour les supercalculateurs haut de gamme, ce qui a contribué à faire d'AMD le fournisseur retenu pour les CPU et GPU des futurs systèmes exascale Frontier et El Capitan. Nous poursuivons ces efforts pour les systèmes de calcul hautes performances post‑exascale, ainsi que pour les centres de données, le cloud computing et la machine intelligence.
• Traitement en mémoire : Pour réduire l'énergie liée aux déplacements de données, nous explorons de nouvelles solutions de traitement en mémoire qui déportent certains calculs vers des appareils mémoire off-chip, ainsi que l'intégration de la compression de données et de nouvelles technologies de mémoire afin d'augmenter la densité de stockage sur puce.
• Mémoire intelligente multiniveau : Nous concevons des systèmes de mémoire intelligents qui exploitent les technologies de mémoire émergentes pour offrir des solutions peu coûteuses et économes en énergie, tout en proposant des capacités de mémoire inédites avec des hautes performances et une fiabilité élevée.
• Normes de mémoire de nouvelle génération : AMD Research travaille en permanence avec des fournisseurs de mémoire pour définir des normes de nouvelle génération. Aujourd'hui, AMD intègre de la mémoire HBM2 dans ses produits, et nous travaillons en étroite collaboration avec les fournisseurs de mémoire pour définir les futures générations des normes de mémoire 3D empilée.

Machine intelligence

Le machine learning (ML) a un impact sur tout, des plus grands supercalculateurs du monde jusqu'aux minuscules appareils intégrés. Elle est l'un des principaux facteurs de l'évolution des capacités de toute forme de calcul. Les CPU, GPU, accélérateurs et APU d'AMD offrent la puissance de calcul et la flexibilité nécessaires pour différents déploiements de machine learning.

L'objectif du pôle de recherche en machine intelligence est de faire d'AMD la plateforme de référence pour le machine learning, partout. Nos projets de recherche étudient des solutions potentielles dans différentes directions :

• Hardware : Accélération du machine learning grâce aux avancées en micro-architecture, en architecture système et en systèmes mémoire
• Software : Modèles et outils de programmation pour faciliter le déploiement d'algorithmes de ML sur les futures plateformes AMD
• Machine learning pour la science : Complétez et améliorez les applications de calculs hautes performances traditionnelles avec le machine learning afin d'accélérer la découverte scientifique
• Machine learning pour la conception des puces : Utilisation du machine learning pour découvrir les paramètres et configurations optimaux dans les futures conceptions AMD

Faible consommation électrique

L'amélioration de l'efficacité énergétique permet de réduire le TCO (coût total de possession) des centres de données, de prolonger l'autonomie de la batterie des ordinateurs portables et des systèmes intégrés, de réduire les points chauds thermiques pour un refroidissement plus efficace, et de soutenir des pics de calcul plus élevés. Chez AMD Research, nous nous concentrons sur l'amélioration de l'efficacité énergétique pour toute la gamme de SoC AMD, y compris les CPU et les GPU, allant des serveurs de centre de données aux clients et aux appareils mobiles. Nos recherches visent à atteindre des objectifs d'efficacité énergétique ambitieux en tirant parti d'une approche à plusieurs facettes :

• Contrôle avancé de l'alimentation : Pour réduire la consommation énergétique par application, nous étudions des extensions de pointe de la technologie AVFS (Adaptive Voltage Frequency Scaling) d'AMD, qui permettront aux futurs réseaux de distribution d'énergie de s'adapter plus rapidement aux besoins de puissance à la demande. 
• Conception à basse tension : Nous explorons de nouvelles pistes d'économie d'énergie grâce à des recherches innovantes sur le stockage sur puce à basse tension, le codage adaptatif des signaux, la communication asynchrone et le calcul proche du seuil.
• Architectures de systèmes économes en énergie : Nous explorons en permanence des optimisations avancées de la puissance/des performances pour les micro-architectures, les SoC (systèmes sur puce) et les systèmes de calculs hautes performances actuels et futurs. Ces travaux vont de la réduction des mouvements de données dans le système/SoC/cœur à l'ajout de fonctions d'économie d'énergie affinées dans les blocs CPU.
• Conception basée sur le machine learning : Nous explorons de nouvelles possibilités passionnantes pour la conception à faible consommation, stimulées par la récente prolifération de la machine intelligence.