Tutkijat kehittävät uutta tapaa lisätä älykkäiden tietokoneiden energiatehokkuutta

Austinin Texasin yliopiston Cockrell School of Engineeringin tutkijat ovat löytäneet uuden tavan lisätä älykkäiden tietokoneiden energiatehokkuutta. Tämä tapahtuu aikana, jolloin energian tarve kasvaa valtavien tietomäärien käsittelyyn uuden kehitetyn tekniikan seurauksena. 

Tietokoneiden infrastruktuuri

Piisiruja käytetään tavallisesti tietokoneita käyttävän infrastruktuurin rakentamiseen, mutta äskettäin kehitetty järjestelmä perustuu magneettikomponentteihin piin sijaan. Piisirut alkavat saavuttaa rajoituksensa muun muassa tekoälyn, itseohjautuvien autojen sekä 5G- ja 6G-puhelimien vuoksi. Uudet sovellukset vaativat nopeampia nopeuksia, pienempää latenssia ja valontunnistusta, jotka kaikki vaativat enemmän energiaa. Tästä syystä silikonille etsitään vaihtoehtoja. 

Tutkimalla magneettikomponenttien fysiikkaa tutkijat löysivät uutta tietoa siitä, miten energiakustannuksia voidaan alentaa. He löysivät myös tapoja vähentää koulutusalgoritmien vaatimuksia. Ne ovat hermoverkkoja, jotka pystyvät tunnistamaan kuvioita ja kuvia. 

Jean Anne Incorvia on apulaisprofessori Cockrell Schoolin sähkö- ja tietokonetekniikan laitoksella. 

"Tällä hetkellä menetelmät neuroverkkojen harjoittamiseen ovat erittäin energiaintensiivisiä", sanoi Jean Anne Incorvia. "Työmme voi auttaa vähentämään koulutusta ja energiakustannuksia."

Tutkimuksen tulokset julkaistiin v IOP Nanoteknologia. 

Lateraalinen esto

Incorviaan liittyi ensimmäinen kirjailija ja toisen vuoden jatko-opiskelija Can Cui. Yhdessä he johtivat tutkimusta ja havaitsivat, että keinotekoisten neuronien eli magneettisten nanolankojen kykyä kilpailla toisiaan vastaan ​​voidaan luonnollisesti lisätä asettamalla ne tietyillä tavoilla. Tässä tilanteessa eniten aktivoidut päätyvät voittamaan, ja vaikutusta kutsutaan "sivuttaiseksi estoksi". 

Sivusuuntainen esto yleensä lisää kustannuksia ja vie enemmän energiaa ja tilaa, koska tietokoneissa tarvitaan ylimääräisiä piirejä. 

Incorvian mukaan uusi menetelmä on paljon energiatehokkaampi kuin tavallinen takaisin-etenemisalgoritmi. Samoja oppimistehtäviä suoritettaessa saavutetaan tutkijoiden menetelmällä 20-30-kertainen energiansäästö. 

Kun tarkastellaan uusia tietokoneita, niiden ja ihmisen aivojen välillä on samankaltaisuutta. Aivan kuten ihmisten aivot sisältävät hermosoluja, tietokoneet sisältävät keinotekoisia versioita. Lateraalinen esto tapahtuu, kun nopeimmin laukeavat neuronit estävät hitaampia hermosoluja ampumasta. Tämä vähentää energiankulutuksen tarvetta tietojen käsittelyssä. 

Incorvia on osoittanut, että tietokoneissa ja niiden toiminnassa tapahtuu perustavanlaatuinen muutos. Yksi uusista trendeistä on nimeltään neuromorfinen laskenta, joka voidaan nähdä prosessina, jossa tietokoneet suunnitellaan ajattelemaan kuten ihmisen aivot. 

Äskettäin kehitetyt älylaitteet on suunniteltu analysoimaan valtavia tietomääriä samanaikaisesti yksittäisten tehtävien käsittelyn sijaan. Tämä on yksi tekoälyn ja koneoppimisen perustekijöistä. 

Tämän tutkimuksen pääpaino oli kahden magneettisen hermosolun vuorovaikutuksissa ja useiden hermosolujen vuorovaikutuksessa. Tiimi soveltaa nyt havaintojaan suurempiin useiden hermosolujen ryhmiin. 

Tutkimusta tuki National Science Foundation CAREER Award ja Sandia National Laboratories. Resurssit toimitti UT:n Texas Advanced Computing Center.