Vědci vyvinuli nový způsob, jak zvýšit energetickou efektivitu chytrých počítačů

Vědci z Cockrell School of Engineering na University of Texas at Austin objevili nový způsob, jak zvýšit energetickou efektivitu chytrých počítačů. To přichází v době, kdy je zde zvýšená potřeba energie pro zpracování obrovského množství dat, které je výsledkem nově vyvinuté technologie.

Infrastruktura počítačů

Obvykle se k výstavbě infrastruktury, která pohání počítače, používají křemíkové čipy, ale nově vyvinutý systém se spoléhá na magnetické komponenty místo křemíku. Křemíkové čipy začínají dosahovat svých limitů kvůli věcem, jako je umělá inteligence, samořiditelná auta a 5G a 6G telefony. Nové aplikace vyžadují vyšší rychlosti, nižší latenci a detekci světla, všechny vyžadují zvýšenou energii. Z tohoto důvodu se hledají alternativy křemíku.

Studiem fyziky magnetických komponentů zjistili vědci nové informace o tom, jak lze snížit energetické náklady. Také objevili způsoby, jak snížit požadavky na trénovací algoritmy, které jsou neuronové sítě schopné rozpoznat vzory a obrázky.

Jean Anne Incorvia je asistentkou profesorky na katedře elektrotechniky a počítačového inženýrství Cockrell School.

“V současné době jsou metody pro trénování neuronových sítí velmi energeticky náročné,” řekla Jean Anne Incorvia. “Naše práce může pomoci snížit tréninkové úsilí a energetické náklady.”

Zjištění z výzkumu byla zveřejněna v IOP Nanotechnology.

Lateral Inhibition

Incorvia byla doprovázena prvním autorem a druhoročním postgraduálním studentem Canem Cuim. Společně vedli studii a zjistili, že schopnost umělých neuronů, nebo magnetických nanodrátků, soutěžit proti sobě může být přirozeně zvýšena jejich rozložením určitým způsobem. V této situaci vyhrávají ty nejaktivnější a efekt se nazývá „laterální inhibice“.

Laterální inhibice obvykle zvyšuje náklady a vyžaduje více energie a prostoru, kvůli extra obvodům, které jsou vyžadovány u počítačů.

Podle Incorvie je nová metoda mnohem více energeticky efektivní než standardní algoritmus back-propagation. Při provádění stejných učebních úkolů je dosaženo snížení energie o 20 až 30krát pomocí metody výzkumníků.

Při pohledu na nové počítače je zde podobnost mezi nimi a lidským mozkem. Stejně jako lidský mozek obsahuje neurony, počítače obsahují umělou verzi. Laterální inhibice nastává, když jsou pomalejší neurony zabraňovány ve výstřelu nejrychleji střílejícími neurony. To vede ke snížení potřeby energie pro zpracování dat.

Incorvia uvedla, že dochází k fundamentální změně uvnitř počítačů a jejich fungování. Jednou z nových trendů je neuromorfní výpočet, který lze považovat za proces navrhování počítačů, aby fungovaly jako lidský mozek.

Nově vyvinutá chytrá zařízení jsou navržena pro analýzu obrovského množství dat současně, spíše než pouze pro zpracování jednotlivých úkolů. To je jedna z základních aspektů umělé inteligence a strojového učení.

Hlavním zaměřením tohoto výzkumu byly interakce mezi dvěma magnetickými neurony a interakce více neuronů. Tým nyní uplatní svá zjištění na větší sady více neuronů.

Výzkum byl podporován National Science Foundation CAREER Award a Sandia National Laboratories. Zdroje byly poskytnuty UT’s Texas Advanced Computing Center.