Áreas da AMD Research

Tecnologias de memória avançada

A pesquisa inovadora em sistemas de memória é um componente crítico para nossos produtos futuros à medida que lideramos os esforços para superar a infame "Barreira de memória." A AMD tem uma longa história de inovação em sistemas de memória, incluindo o fato de ter sido a primeira empresa a introduzir endereçamento de 64 bits para processadores x86, a primeira a integrar controladores de memória em processadores x86 e a primeira a fornecer memória HBM em produtos de volume. Hoje, a AMD continua a ser pioneira em novas direções em tecnologias de memória por meio de nossa pesquisa de ponta em várias áreas:

• Sistemas de memória de HPC: a AMD Research realizou uma pesquisa significativa sobre sistemas avançados de memória para supercomputadores de alta tecnologia, o que contribuiu para que a AMD se tornasse a principal fornecedora de CPUs e GPUs para os futuros sistemas Exascale Frontier e El Capitan. Continuamos esses esforços para sistemas de computação de alto desempenho pós-exascale, assim como para data centers, computação na nuvem e inteligência de máquina.
• Processamento na memória: para reduzir a energia associada à movimentação de dados, estamos avaliando soluções inovadoras de processamento na memória que descarregam a computação para dispositivos de memória com chip externo, bem como a integração de compactação de dados e de novas tecnologias de memória para aumentar a densidade efetiva de armazenamento no chip.
• Memória inteligente de vários níveis: estamos criando projetos de sistemas de memória inteligente que aproveitam tecnologias emergentes de memória para oferecer soluções econômicas e eficientes em termos de energia, com capacidades de memória sem precedentes, mantendo alto desempenho e confiabilidade.
• Padrões de memória de última geração: a AMD Research está trabalhando continuamente com fornecedores de memória para definir padrões de última geração. Atualmente, a AMD fornece HBM2 em seus produtos e está trabalhando em estreita colaboração com fornecedores de memória para definir futuras gerações de padrões de memória empilhada em 3D.

Inteligência de máquina

O aprendizado de máquina (ML) está impactando tudo, desde os maiores supercomputadores do mundo a pequenos dispositivos incorporados, e é um dos principais impulsionadores por trás da expansão de recursos em todas as formas de computação. As CPUs, GPUs, aceleradores e APUs da AMD oferecem a capacidade de computação e a flexibilidade necessária para várias implantações de ML.

O foco da linha de pesquisa de inteligência de máquina é tornar a AMD a plataforma desejada para ML em todos os lugares. Nossos projetos de pesquisa investigam possíveis soluções a partir de uma variedade de direções:

• Hardware: aceleração de ML, por meio de avanços na microarquitetura para arquitetura de sistema e sistemas de memória
• Software: modelos de programação e ferramentas para facilitar a implantação de algoritmos de ML em futuras plataformas AMD
• ML para a ciência: ampliar e aprimorar os aplicativos de HPC tradicionais com aprendizado de máquina para acelerar a descoberta científica
• ML para projeto de chip: usar o ML para descobrir parâmetros e configurações ideais em futuros projetos AMD

Baixo consumo de energia

Melhorar a eficiência de energia contribui para reduções no custo total de propriedade (TCO) em data centers, maior duração da bateria para notebooks e sistemas incorporados, redução de pontos de acesso térmicos levando a um resfriamento mais eficiente e computação de pico alto. Na AMD Research, nosso foco é melhorar a eficiência energética em toda a linha de SoCs da AMD, incluindo CPUs e GPUs, que vão de servidores de data center a dispositivos cliente e móveis. Nossa pesquisa busca alcançar metas agressivas de eficiência energética por meio de uma abordagem multifacetada:

• Controle avançado de energia: para reduzir o consumo de energia por aplicativo, estamos investigando extensões de ponta da tecnologia de escalonamento adaptativo de tensão e frequência da AMD (AVFS), que permitirão que futuras redes de distribuição de energia se ajustem com mais rapidez aos requisitos de energia sob demanda. 
• Design de baixa tensão: estamos descobrindo novas oportunidades de economia de energia por meio de pesquisas avançadas em armazenamento no chip de baixa tensão, codificação adaptativa de sinais, comunicação assíncrona e computação próxima ao limite.
• Arquiteturas de sistema eficientes em termos de energia: analisamos continuamente otimizações avançadas de energia e desempenho para microarquiteturas de núcleos atuais e futuras, SoCs e sistemas de HPC. Elas vão desde a minimização do movimento de dados no sistema/SoC/núcleo até recursos de economia de energia de granulação específica em blocos de CPU.
• Projeto orientado por aprendizado de máquina: estamos analisando novas e empolgantes abordagens para projetos de baixo consumo de energia, impulsionadas pela recente proliferação da inteligência de máquinas.