Tutkijat kehittivät uuden tavan parantaa älykkäiden tietokoneiden energiatehokkuutta

Texasin yliopiston Cockrell School of Engineering -tutkijat ovat kehittäneet uuden tavan parantaa älykkäiden tietokoneiden energiatehokkuutta. Tämä tapahtuu aikana, jolloin energian tarve on kasvanut massiivisten tietomäärien prosessointia varten, mikä on seuraus uuden teknologian kehittymisestä.

Tietokoneiden infrastruktuuri

Piisilaitteita käytetään yleensä tietokoneiden infrastruktuurin rakentamiseen, mutta uusi järjestelmä perustuu magneettisiin komponentteihin piisin sijaan. Piisilaitteet ovat lähestymässä rajojaan tekijöiden vuoksi, kuten tekoäly, itseohjautuvat autot ja 5G- ja 6G-puhelimet. Uudet sovellukset vaativat nopeampia nopeuksia, vähennetään viiveitä ja valon havaitsemista, kaikki vaativat lisää energiaa. Tämän vuoksi etsitään vaihtoehtoja piisille.

Tutkijat tutkivat magneettisten komponenttien fysiikkaa ja löysivät uutta tietoa siitä, miten energiakustannukset voidaan laskea. He myös löysivät keinoja vähentää koulutusalgoritmien vaatimuksia, jotka ovat neurverkkoja, jotka pystyvät tunnistamaan kuvia ja malleja.

Jean Anne Incorvia on apulaisprofessori Cockrell Schoolin sähkö- ja tietotekniikan laitoksessa.

“Tällä hetkellä menetelmät neurverkkojen kouluttamiseen ovat hyvin energianintensiivisiä”, sanoi Jean Anne Incorvia. “Meidän työmme voi auttaa vähentämään koulutusvaivaa ja energiakustannuksia.”

Tutkimuksen tulokset julkaistiin IOP Nanotechnology -julkaisussa.

Puolipuolinen esto

Incorviaa liittyi ensimmäinen kirjoittaja ja toisen vuoden jatko-opiskelija Can Cui. Yhdessä he johtivat tutkimusta ja löysivät, että keinot, joilla keinotekoiset hermosolut eli magneettiset nanolangat voivat kilpailla toisiaan vastaan, voidaan luonnostaan lisätä asettamalla ne tiettyyn tapaan. Tässä tilanteessa eniten aktivoituneet lopulta voittavat, ja ilmiö on kutsuttu “puolipuoliseksi estoksi”.

Puolipuolinen esto lisää yleensä kustannuksia ja vaatii enemmän energiaa ja tilaa, johtuen lisäpiiristön tarpeesta tietokoneissa.

Incorvian mukaan uusi menetelmä on paljon energiatehokkaampi kuin standardi takaisinsoittoalgoritmi. Kun suoritetaan samat oppimistehtävät, tutkijoiden menetelmällä saavutetaan 20-30 kertaa energian vähennys.

Uusissa tietokoneissa on samankaltainen suhde kuin ihmisaivoissa. Niin kuin ihmisaivot sisältävät hermosoluja, tietokoneet sisältävät keinotekoisia versioita. Puolipuolinen esto tapahtuu, kun hitaammat hermosolut estetään toimimasta nopeimmin toimivien hermosolujen toimesta. Tämä johtaa vähennetyksiin energian käytössä tietojen prosessoinnissa.

Incorvia on osoittanut, että tietokoneissa tapahtuu perustavanlaatuinen muutos, joka vaikuttaa niiden toimintaan. Yksi uusista suuntauksista on neuromorfinen laskenta, jota voidaan pitää tietokoneiden suunnitteluna niin, että ne toimisivat kuin ihmisaivot.

Uudet älykkäät laitteet on suunniteltu analysoimaan massiivisia tietomääriä samanaikaisesti, eikä pelkästään yksittäisiä tehtäviä. Tämä on yksi tekoälyn ja koneoppimisen perusasioista.

Tutkimuksen pääpaino oli kahden magneettisen hermosolun välisissä vuorovaikutuksissa ja useiden hermosolujen vuorovaikutuksissa. Tutkijaryhmä soveltaa nyt löytämiansa tuloksia laajempiin joukkoihin hermosoluja.

Tutkimus oli tuettu kansallisen tiedesäätiön CAREER -palkinnolla ja Sandian kansallisen laboratorion toimesta. Resursseja tarjosi Texasin yliopiston Texas Advanced Computing Center.