Brainchip Klassengruppe WKN: A14Z7W ISIN: AU000000BRN8 Kürzel: 24Y Forum: Aktien User: Rarosch

EINC-Forschungsgebäude wird offiziell seiner Bestimmung übergeben – Am European Institute for Neuromorphic Computing arbeiten Heidelberger Wissenschaftler an und mit neuartigen Computertechnologien

Das ist ja ein dickes Ding,☝️🤔🤠 wohnt da jemand in der Nähe.😎

https://twitter.com/idw_online_de/status/1593657847878852608?t=j9pf7-foCVNl9kVE04ulyQ&s=09

Die Übergabe in die Produktion wurde ja auf Bitten von Renases verschoben, die wollten doch noch irgendein Feature im Akida und Brainchip hat’s möglich gemacht und die Produktion war so erst ein 1/2 Jahr später möglich. Hab da jetzt keine Quelle, hatte das so auf Hotcop..per gelesen.

Im Grunde können wir fest halten das es kein erzwungener Schritt war. Es ist ein fertiger Chip der für eine Vielzahl von kommerziellen Ki Anwendungen da ist, getestet und bestätigt durch Kunden und Partner. Der AKD 2.0 wird durch LSTM (und vielleicht noch mehr Neuronen und Synapsen) eine Verbesserung des Vorgängermodell.

Aber weniger Knoten bedeutet ja automatisch weniger Speicherbedarf. Zudem benötigen die Modelle im Brainchip Format nur noch ein Bruchteil vom Standard.

Genau, der Speicher ist für den 80 Knoten Akida Chip.

Habe gerade nochmal nachgeschaut. Ja, die RAM Angabe ist der hochgerechnete interne Speicher der NPUs einer kompletten SoC, also ein flexibler Wert abhängig von der Menge der verwendeten Knoten: https://brainchip.com/products/ Siehe unter Highly Configurable IP Platform.

Oder mit den 8MB ist der zusammengerechnete interne Speicher der kompletten SoC gemeint. Was dann aber bei der Verwendung von einzelnen Knoten eine sehr geringe Speicherleistung ergibt.

Ich will gar nicht auf deine Fehlinterpretation von Akida 2.0 mit LSTM eingehen... aber: Sorry. Für mich ist das Thema nicht "abgehakt". Wie kommst du auf den schmalen Pfad, dass Akida maximal bis 7 nm skalierbar ist? Nur wegen dem Datenblatt, in dem von "in 7nm noch schneller" gesprochen wird?

Ich verstehe es so, daß die 8MB SRAM zur Speicherung der Trainingsdaten, also der Grundlagen der AI dienen. Der temporäre Speicher, auf den zugegriffen wird, ist der hier: Internal memory per NPU (50 to 100 KB per NPU), und der bietet nicht viel Spielraum.

Immer dieses technische Zeugs,🤪🤠schönes Wochenende 👋🍻

Tolle Graphik: vor allem auf der anderen Achse (Increasing Performance) steht brainchip ganz oben!

Ja 😂

Ah ja, ok 👌🏻 So wie bei mir wenn meine Frau was sagt 😂 Ich muss selbstständig entscheiden was wichtig ist und was nicht und nicht einfach die älteste Info löschen 🤣

Zu LSTM: https://databasecamp.de/ki/lstm Das Problem von Recurrent Neural Networks ist, dass sie die vorherigen Daten einfach in ihrem „Kurzzeitgedächtnis“ abspeichern. Sobald der Speicher darin ausgeht, wird einfach die am längsten erhaltene Informationen gelöscht und durch die neue Daten ersetzt. Das LSTM Modell versucht diesem Problem zu entkommen, indem es nur ausgewählte Informationen im Kurzzeitgedächtnis behält.