Istraživači razvijaju novi način za povećanje energetske učinkovitosti pametnih računala

Istraživači s Cockrell School of Engineering na Sveučilištu Texas u Austinu otkrili su novi način povećanja energetske učinkovitosti pametnih računala. To dolazi u vrijeme kada postoji povećana potreba za energijom za obradu golemih količina podataka, što je rezultat novorazvijene tehnologije. 

Infrastruktura računala

Silikonski čipovi obično se koriste za izgradnju infrastrukture koja pokreće računala, ali novorazvijeni sustav oslanja se na magnetske komponente umjesto silicija. Silikonski čipovi počinju dosezati svoja ograničenja, zbog stvari kao što su umjetna inteligencija, samovozeći automobili i 5G i 6G telefoni. Nove aplikacije zahtijevaju veće brzine, smanjenu latenciju i detekciju svjetla, a sve zahtijeva povećanu energiju. Zbog toga se traže alternative silikonu. 

Proučavajući fiziku magnetskih komponenti, istraživači su pronašli nove informacije o tome kako se troškovi energije mogu smanjiti. Također su otkrili načine za smanjenje zahtjeva algoritama za obuku, koji su neuronske mreže sposobne za prepoznavanje uzoraka i slika. 

Jean Anne Incorvia docentica je na Odsjeku za elektrotehniku ​​i računalno inženjerstvo Cockrell School. 

"Trenutno su metode za treniranje vaših neuronskih mreža vrlo energetski intenzivne", rekla je Jean Anne Incorvia. "Ono što naš rad može učiniti jest pomoći u smanjenju napora u obuci i troškova energije."

Nalazi istraživanja objavljeni su u IOP Nanotehnologija. 

Lateralna inhibicija

Incorvii se pridružio prvi autor i student druge godine diplomskog studija Can Cui. Zajedno su vodili studiju i otkrili da se sposobnost umjetnih neurona, ili magnetskih nanožica, da se međusobno natječu može prirodno povećati njihovim razmakom na određene načine. U ovoj situaciji oni najaktivniji na kraju pobjeđuju, a učinak se naziva "lateralna inhibicija". 

Lateralna inhibicija obično povećava troškove i zauzima više energije i prostora, zbog dodatnih sklopova koji su potrebni unutar računala. 

Prema Incorvii, nova metoda je daleko energetski učinkovitija od standardnog algoritma povratne propagacije. Prilikom izvođenja istih zadataka učenja dolazi do smanjenja energije od 20 do 30 puta što je postignuto metodom istraživača. 

Gledajući nova računala, postoji sličnost između njih i ljudskog mozga. Slično kao što ljudski mozgovi sadrže neurone, računala sadrže umjetne verzije. Lateralna inhibicija se odvija kada su sporiji neuroni spriječeni da se aktiviraju od strane najbrže aktiviranih neurona. To rezultira smanjenom potrebom za potrošnjom energije u obradi podataka. 

Incorvia je naznačila da se unutar računala i načina na koji funkcioniraju događa temeljna promjena. Jedan od novih trendova zove se neuromorfno računalstvo, koje se može promatrati kao proces dizajniranja računala da razmišljaju poput ljudskog mozga. 

Novorazvijeni pametni uređaji dizajnirani su za simultanu analizu golemih količina podataka, a ne samo za obradu pojedinačnih zadataka. Ovo je jedan od temeljnih aspekata umjetne inteligencije i strojnog učenja. 

Glavni fokus ovog istraživanja bile su interakcije između dva magnetska neurona i interakcije više neurona. Tim će sada svoja otkrića primijeniti na veće skupove više neurona. 

Istraživanje je poduprla Nacionalna znanstvena zaklada CAREER Nagrada i Sandia National Laboratories. Resurse je osigurao UT-ov Texas Advanced Computing Center.