پایگاه خبری علمی ، فرهنگی ، اقتصادی و سیاسی آخرین اخبار تازه‌ترین رویدادهای ایران و جهان
علم و دانش

کوالکام پردازنده گرافیکی Adreno Neural Fusion را برای پرچم‌دار آینده اسنپدراگون تأیید کرد

خلاصه سریع

کوالکام پردازنده گرافیکی Adreno Neural Fusion را برای تراشه پرچم‌دار اسنپدراگون آینده تأیید کرد پس از معرفی جزئیات پردازنده مرکزی Oryon که قرار است در تراشه پرچم‌دار نسل آینده اسنپدراگون استفاده شود، کوالکام از نسل جدید

هسته‌های Matrix و معماری Adreno Neural Fusion Matrix Cores هسته‌های اختصاصی هوش مصنوعی هستند که در هر سه بخش از GPU جدید Adreno قرار گرفته‌اند و با فرکانس ۱.۴۵ گیگاهرتز به کار می‌افتند

هدف اصلی از این طراحی کاهش جابه‌جایی مداوم داده‌ها بین GPU و حافظه سیستم است تا تأخیر کمتر و بهره‌وری انرژی بالاتر حاصل شود

کوالکام پردازنده گرافیکی Adreno Neural Fusion را برای پرچم‌دار آینده اسنپدراگون تأیید کرد

کوالکام پردازنده گرافیکی Adreno Neural Fusion را برای تراشه پرچم‌دار اسنپدراگون آینده تأیید کرد

پس از معرفی جزئیات پردازنده مرکزی Oryon که قرار است در تراشه پرچم‌دار نسل آینده اسنپدراگون استفاده شود، کوالکام از نسل جدید پردازنده گرافیکی Adreno Neural Fusion رونمایی کرد. به گزارش کافه دانش، مهم‌ترین ویژگی این GPU در استفاده از هسته‌های اختصاصی هوش مصنوعی در مسیر پردازش گرافیکی نهفته است؛ به عبارتی، هوش مصنوعی به‌طور مستقیم در کنار واحدهای گرافیکی فعال شده و داده‌ها را در همان مسیر پردازش می‌کند.

هسته‌های Matrix و معماری Adreno Neural Fusion

Matrix Cores هسته‌های اختصاصی هوش مصنوعی هستند که در هر سه بخش از GPU جدید Adreno قرار گرفته‌اند و با فرکانس ۱.۴۵ گیگاهرتز به کار می‌افتند. این معماری به‌عنوان سخت‌افزار محلی عمل می‌کند و امکان اجرای مدل‌های پیشرفته هوش مصنوعی را به‌صورت مستقیم درون مسیر پردازش گرافیکی فراهم می‌کند. با این رویکرد، بخشی از کارهای هوش مصنوعی بدون خروج از مسیر گرافیک و بدون عقب‌نشینی به سمت سایر واحدها انجام می‌شود و به این ترتیب کارآیی پردازشی بهبود می‌یابد.

حافظه HPM و مدیریت داده‌ها

قسمت دیگری از معماری تازه Adreno Neural Fusion به حافظه اختصاصی ۱۸ مگابایتی HPM یا High Performance Memory مربوط می‌شود. این حافظه فضای بزرگ با تأخیر پایین را مستقیماً در اختیار GPU قرار می‌دهد تا داده‌هایی مانند tileها، فریم‌بافرها و بارهای پردازشی تا حد امکان درون زیرسیستم گرافیکی باقی بمانند. هدف اصلی از این طراحی کاهش جابه‌جایی مداوم داده‌ها بین GPU و حافظه سیستم است تا تأخیر کمتر و بهره‌وری انرژی بالاتر حاصل شود.

بهبود مصرف انرژی با Neural Fusion

زمانی که Matrix Cores و حافظه HPM با یکدیگر کار می‌کنند، معماری Adreno Neural Fusion شکل می‌گیرد و کوالکام می‌گوید فعال بودن این فناوری می‌تواند تا ۴۰ درصد مصرف انرژی را بهبود دهد. ایده اصلی این است که پردازش‌های هوش مصنوعی تا حد امکان به خود GPU نزدیک باشند؛ با کاهش فاصله میان محل پردازش و داده‌ها، جابه‌جایی اطلاعات کاهش می‌یابد و در نتیجه هم تأخیر کاهش می‌یابد و هم مصرف انرژی کاهش پیدا می‌کند.

تأثیر Neural Fusion بر گرافیک و بازی

با این معماری جدید، انتظار می‌رود علاوه‌بر کاهش مصرف انرژی، کیفیت گرافیک نیز بهبود یابد. کوالکام به قابلیت‌هایی مانند ارتقای تصاویر با هوش مصنوعی، پایداری نرخ فریم و افزایش بهره‌وری از طریق رندرینگ با هوش مصنوعی اشاره کرده است. ترکیب پردازش هوش مصنوعی با مسیر گرافیکی به این معناست که بخشی از عملیات رندرینگ بدون رفت‌وبرگشت مداوم داده‌ها به حافظه سیستم انجام می‌شود و این امر می‌تواند تجربه بصری بهتری را برای کاربران به ارمغان آورد.

پشتیبانی Unity و Unreal Engine

کوالکام اعلام کرده Unity و Unreal Engine پیش از عرضه تراشه جدید، استک Neural Fusion خود را در موتورهای گرافیکی‌اش یکپارچه کرده‌اند. این اقدام می‌تواند زمینه را برای استفاده easier توسعه‌دهندگان از قابلیت‌های جدید پردازش گرافیکی و هوش مصنوعی در بازی‌ها و اپلیکیشن‌های سازگار با این تراشه فراهم آورد و توسعه‌دهندگان بتوانند از قابلیت‌های تازه در پروژه‌های خود بهره‌مند شوند.

زمان معرفی و رویداد Snapdragon Summit

رویداد Snapdragon Summit از ۲۲ تا ۲۴ سپتامبر ۲۰۲۶ برگزار می‌شود و کوالکام قرار است در این رویداد جزئیات بیشتری درباره تراشه جدید ارائه دهد. جزئیات مربوط به NPU هنوز به‌طور کامل اعلام نشده است و انتظار می‌رود در ادامه اطلاعات بیشتری درباره بخش پردازش عصبی تراشه منتشر شود. به گزارش کافه دانش، این مراسم می‌تواند اطلاعات تکمیلی درباره نحوه عملکرد Neural Fusion و تاثیر آن بر تجربه کاربری را روشن‌تر کند.

در نهایت، کوالکام با معماری Adreno Neural Fusion سعی دارد پردازش هوش مصنوعی را به بخش گرافیکی نزدیک‌تر کند و با ترکیب سه بخش GPU مجهز به Matrix Cores و حافظه ۱۸ مگابایتی HPM، هدف کاهش تأخیر و افزایش بهره‌وری انرژی را دنبال کند. این شرکت همچنین از بهبود ۴۰ درصدی مصرف انرژی با این فناوری خبر داده است. نظر شما درباره اضافه شدن هسته‌های اختصاصی هوش مصنوعی به GPU چیست؟ آیا چنین معماری‌ای می‌تواند تأثیر محسوسی روی کیفیت گرافیک و شارژدهی گوشی‌های پرچم‌دار آینده داشته باشد؟