Qwenputer: ichiga RISC-V protsessor va DOOM o'rnatilgan eksperimental AI model

Sun'iy intellekt olamida an'anaviy hisoblash texnologiyalari va neyrotarmoqlarni birlashtiruvchi yana bir qiziqarli eksperiment amalga oshirildi. Dasturiy ta'minot muhandisi Divyansh Agrawal Qwenputer deb nomlangan yangi loyihani taqdim etdi, unda Qwen 3.5 4B til modeli va 32-bitli RISC-V protsessori to'g'ridan-to'g'ri neyrotarmoq og'irliklariga joylashtirilgan.

Qwenputer loyihasining asosiy jihatlari - Qwenputer — bu standart Qwen 3.5 4B LLM modeli bo'lib, uning vazniga RISC-V protsessori kompilyatsiya qilingan. - Tizim tashqi ish vaqti (runtime) kutubxonalarisiz C, MicroPython kodlarini bajarish va hatto DOOM o'yinini ishga tushirishga qodir. - Protsessor tezkor xotira (RAM) sifatida Qwen modeli tarkibidagi Gated DeltaNet holatidan foydalanadi. - Loyiha MIT litsenziyasi ostida ochiq kodli bo'lib, Hugging Face platformasida sinovdan o'tkazish uchun mavjud.

Neyrotarmoq ichidagi protsessor qanday ishlaydi Odatdagi sun'iy intellekt modellarini yaratishdan farqli o'laroq, bu yerda qo'shimcha protsessorni qo'shish uchun modelni qayta o'qitish talab etilmadi. Ushbu RISC-V protsessori Qwen'ning o'z qatlamlari oldida joylashgan 11 ta transformator qatlamidan iborat bo'lib, ularning barcha og'irliklari maxsus kompilyator tomonidan hisoblab chiqilgan. Dasturchining ta'kidlashicha, model ichidagi protsessor rasmiy riscv-tests sinovlaridan muvaffaqiyatli o'tgan va bitta ham xatosiz 18 milliondan ortiq ko'rsatmalarni bajarib ko'rsatgan.

Yangi yondashuv tufayli LLM modellari uchun odatiy bo'lgan arifmetik xatolar bartaraf etilib, aniq hisob-kitoblar ta'minlandi. Shuningdek, muhandis modelga fayl tizimini ham qo'shdi — DeltaNet holati yordamida yaratilgan ushbu xotirada 1024 tagacha slot va 512 ta faylni saqlash mumkin. Suhbat yakunida holat saqlab qo'yilsa, fayllar ham doimiy ravishda saqlanib qoladi.

Tizim talablari va kelajakdagi rejalar Qo'shimcha resurslardan foydalanilgani sababli Qwenputer modeli deyarli 19 GB hajmga yetdi, bu asl Qwen 3.5 4B hajmidan deyarli ikki baravar ko'pdir. Shu bois muallif modelni sinab ko'rish uchun kamida 24 GB VRAM xotirasiga ega ish stansiyasidan foydalanishni tavsiya qiladi. Hozirda kodni optimallashtirish va ishlash tezligini oshirish ustida ishlar olib borilmoqda.

Dasturchilar va biznes uchun ahamiyati Ushbu loyiha muayyan amaliy muammoni hal qilishdan ko'ra, ko'proq imkoniyatlar chegarasini sinab ko'rishga qaratilgan qiziqarli eksperimentdir. Sun'iy intellekt og'irliklariga to'g'ridan-to'g'ri protsessor va fayl tizimini joylashtirish g'oyasi kelajakdagi gibrid arxitekturalar uchun muhim ilhom manbai bo'lishi mumkin.