オンデマンド・ウェビナー

AIハードウェアの熱管理とディープラーニング・マシンの電子機器冷却

おおよその視聴時間34 分

共有

手の上に浮かぶ脳から配線や光が放出している画像

SiriやAlexaなどのバーチャル・アシスタント、顔認証、自動運転車は、ディープラーニングや自然言語処理に深く依存しています。ディープラーニングは、より多くのニューラル・ネットワークの層を使って、人間の脳の学習能力を模倣しながら、大量のデータを処理し、データパターンを認識することで、特定タスクを達成するようにコンピューターを学習させます。

ディープラーニング用に開発されたチップは、多数のコンピューター網を使用するより大きな利点があります。つまり、より多くのコア、AI向けに最適化された機能、大容量のチップ上メモリを備え、遅延のない超高速処理を実現します。このチップは大量の熱を発しますが、熱を除去して全体的な性能を保ち、早い段階での故障を避けなければなりません。

適切な熱管理でディープラーニング用AIハードウェアの全体的な性能を確保し、早い段階での故障を回避

このウェビナーで、ディープラーニング・マシンのAIハードウェアの熱管理について、理解を深めましょう。設計者は、迅速なシミュレーションで空冷などのオプションを評価することができます。シミュレーションをすることで、実現性の低い冷却ソリューションに無駄な時間を費やすのを回避し、冷却システムの特性評価に力を注ぎ、これまでで最大のチップの全体的な性能を確保することができました。

大量の熱を発する自然言語処理用AIハードウェアの冷却を最適化

ディープラーニング用に開発されたシステムは、大量の熱を発するため、設計者は、AIハードウェアの開発を成功させるために、冷却の最適化を優先させなければなりません。シミュレーションは、設計者のツールキットのなかでも強力なツールとして、熱の除去の最適化に役立ちます。Simcenter Flowtherm XT CFDシミュレーションによって、コールド・プレートのマニホールドの冷却チャネルを最適化することができます。

Electronics Cooling Solutionsの熱管理の専門家が明かす冷却の最適化

Electronic Cooling Solutions Incの熱管理の専門家がCerebrasのエンジニアと連携し、これまでで最大のチップの冷却ソリューションをどのように開発したかを、以下の内容とともに紹介します。

  • このアプリケーションに空冷ではなく液冷を選択した理由
  • Simcenter Flotherm XTを使ってコールドプレートをどのように設計したか
  • 全体的な設計で各ICをほぼ同じ目標温度で動作させる方法 (最適な性能に欠かせない鍵)
  • ウエハ上の各ICで適切な冷却剤流を実現するマイクロチャネル設計
  • シミュレーションとテストの活用によりシミュレーションの信頼性を実証

講演者の紹介

Electronics Cooling Solutions

Guy Wagner氏

ECS Rocky Mountain Office、ディレクター

エレクトロニクス産業で45年以上にわたり研究開発に携わっています。研究分野は、ICおよびシステムの冷却とパッケージング技術、ディスク・ドライブの設計、コンピューター・システム、医療機器、航空宇宙関連機器、電話交換機、家電の熱設計などです。専門は、電子機器システムの冷却とICパッケージの冷却です。国際的な技術会議で40以上の論文を執筆・発表し、29の特許を取得しています。Electronics Cooling Solutionsに入社する前は、HP (コロラド州フォート・コリンズ) のチーフ・サイエンティストやベル研究所の技術スタッフ・メンバーを歴任しました。アイオワ大学で機械エンジニアリングの修士を取得。

関連情報