Ερευνητές Αναπτύσσουν Νέα Τρόπο για την Αύξηση της Ενεργειακής Απόδοσης των Έξυπνων Υπολογιστών

Ερευνητές από τη Σχολή Μηχανικής Cockrell του Πανεπιστημίου του Τέξας στο Όστιν έχουν ανακαλύψει einen νέο τρόπο για την αύξηση της ενεργειακής απόδοσης των έξυπνων υπολογιστών. Αυτό συμβαίνει σε μια περίοδο που υπάρχει αυξημένη ανάγκη για ενέργεια για την επεξεργασία μεγάλων ποσοτήτων δεδομένων, ένα αποτέλεσμα της πρόσφατα αναπτυγμένης τεχνολογίας.

Υποδομή των Υπολογιστών

Οι πυριτίου χιπ χρησιμοποιούνται συνήθως για την κατασκευή της υποδομής που τροφοδοτεί τους υπολογιστές, αλλά το νεοαναπτυγμένο σύστημα βασίζεται σε μαγνητικά συστατικά αντί για πυρίτιο. Οι χιπ πυριτίου αρχίζουν να φθάνουν τα όριά τους, λόγω πραγμάτων όπως η τεχνητή νοημοσύνη, τα αυτονομικά οχήματα, και τα τηλέφωνα 5G και 6G. Νέες εφαρμογές απαιτούν μεγαλύτερες ταχύτητες, μειωμένη καθυστέρηση, και ανίχνευση φωτός, όλα τα οποία απαιτούν αυξημένη ενέργεια. Λόγω αυτού, εναλλακτικές λύσεις για το πυρίτιο εξετάζονται.

Με τη μελέτη της φυσικής των μαγνητικών συστατικών, οι ερευνητές βρήκαν νέες πληροφορίες σχετικά με τον τρόπο με τον οποίο可以 μειωθούν τα ενεργειακά έξοδα. Επίσης, ανακάλυψαν τρόπους για να μειώσουν τις απαιτήσεις των αλγορίθμων εκπαίδευσης, οι οποίοι είναι νευρωνικά δίκτυα ικανά να αναγνωρίζουν πρότυπα και εικόνες.

Η Jean Anne Incorvia είναι αναπληρώτρια καθηγήτρια στο Τμήμα Ηλεκτρολόγων και Ηλεκτρονικών Μηχανικών της Σχολής Cockrell.

“Σήμερα, οι μέθοδοι για την εκπαίδευση των νευρωνικών δικτύων είναι πολύ ενεργοβόρες,” είπε η Jean Anne Incorvia. “Το έργο μας μπορεί να βοηθήσει στη μείωση της προσπάθειας εκπαίδευσης και των ενεργειακών εξόδων.”

Τα αποτελέσματα της έρευνας δημοσιεύθηκαν στο IOP Nanotechnology.

Πλάγια Αναστολή

Η Incorvia συνεργάστηκε με τον πρώτο συγγραφέα και δεύτερο έτος μεταπτυχιακό φοιτητή Can Cui. Μαζί, ηγήθηκαν της μελέτης και ανακάλυψαν ότι η ικανότητα των τεχνητών νευρώνων, ή μαγνητικών νανοσωλήνων, να ανταγωνίζονται μεταξύ τους μπορεί να αυξηθεί φυσικά με την τοποθέτησή τους σε συγκεκριμένες θέσεις. Σε αυτή την περίπτωση, οι πιο ενεργοποιημένοι κερδίζουν και το αποτέλεσμα ονομάζεται “πλάγια αναστολή”.

Η πλάγια αναστολή συνήθως αυξάνει τα έξοδα και απαιτεί περισσότερη ενέργεια και χώρο, λόγω του επιπλέον κυκλώματος που απαιτείται μέσα στους υπολογιστές.

Σύμφωνα με την Incorvia, η νέα μέθοδος είναι πολύ πιο ενεργοοικονομική από τον τυπικό αλγόριθμο πίσω-διασποράς. Όταν εκτελούν τις ίδιες εργασίες μάθησης, υπάρχει μια μείωση της ενέργειας 20 έως 30 φορές που επιτυγχάνεται με τη μέθοδο των ερευνητών.

Όταν εξετάζουμε τους νέους υπολογιστές, υπάρχει μια ομοιότητα μεταξύ τους και του ανθρώπινου εγκεφάλου. Όπως ο ανθρώπινος εγκέφαλος περιέχει νευρώνες, οι υπολογιστές περιέχουν τεχνητές εκδοχές. Η πλάγια αναστολή λαμβάνει χώρα όταν οι πιο αργοί νευρώνες εμποδίζονται από τους ταχύτερους νευρώνες. Αυτό οδηγεί σε μια μείωση της ανάγκης για ενεργειακή κατανάλωση κατά την επεξεργασία δεδομένων.

Η Incorvia έχει δείξει ότι υπάρχει μια θεμελιώδης αλλαγή που λαμβάνει χώρα μέσα στους υπολογιστές και τον τρόπο με τον οποίο λειτουργούν. Μια από τις νέες τάσεις ονομάζεται νευρομορφική υπολογιστική, η οποία μπορεί να θεωρηθεί ως η διαδικασία σχεδιασμού υπολογιστών για να σκέφτονται όπως ο ανθρώπινος εγκέφαλος.

Τα νεοαναπτυγμένα έξυπνα συσκευές σχεδιάζονται για να αναλύουν μεγάλες ποσότητες δεδομένων ταυτόχρονα, αντί να επεξεργάζονται μόνο μεμονωμένες εργασίες. Αυτό είναι ένα από τα θεμελιώδη στοιχεία της τεχνητής νοημοσύνης και της μηχανικής μάθησης.

Ο κύριος στόχος αυτής της έρευνας ήταν οι αλληλεπιδράσεις μεταξύ δύο μαγνητικών νευρώνων και οι αλληλεπιδράσεις πολλαπλών νευρώνων. Η ομάδα θα εφαρμόσει τώρα τα ευρήματά της σε μεγαλύτερες ομάδες πολλαπλών νευρώνων.

Η έρευνα υποστηρίχθηκε από ένα βραβείο CAREER του Εθνικού Ιδρύματος Επιστημών και των Εθνικών Εργαστηρίων Sandia. Πόροι παρέχθηκαν από το Κέντρο Προηγμένης Υπολογιστικής του Τέξας του Πανεπιστημίου του Τέξας.