Peneliti Mengembangkan Cara Baru untuk Meningkatkan Efisiensi Energi Komputer Cerdas

Peneliti dari Sekolah Teknik Cockrell di Universitas Texas di Austin telah menemukan cara baru untuk meningkatkan efisiensi energi komputer cerdas. Hal ini terjadi saat ada kebutuhan energi yang meningkat untuk memproses jumlah data yang besar, hasil dari teknologi baru yang dikembangkan.

Infrastruktur Komputer

Chip silikon biasanya digunakan untuk membangun infrastruktur yang memuat komputer, tetapi sistem baru yang dikembangkan bergantung pada komponen magnetik bukan silikon. Chip silikon mulai mencapai batasannya, karena hal-hal seperti kecerdasan buatan, mobil self-driving, dan ponsel 5G dan 6G. Aplikasi baru memerlukan kecepatan yang lebih cepat, latensi yang berkurang, dan deteksi cahaya, semua memerlukan energi yang lebih besar. Karena itu, alternatif untuk silikon sedang dicari.

Dengan mempelajari fisika komponen magnetik, peneliti menemukan informasi baru tentang bagaimana biaya energi dapat dikurangi. Mereka juga menemukan cara untuk mengurangi persyaratan algoritma pelatihan, yang merupakan jaringan saraf yang dapat mengenali pola dan gambar.

Jean Anne Incorvia adalah asisten profesor di Departemen Teknik Elektro dan Komputer Sekolah Teknik Cockrell.

“Saat ini, metode untuk melatih jaringan saraf sangat intensif energi,” kata Jean Anne Incorvia. “Apa yang dapat dilakukan oleh pekerjaan kami adalah membantu mengurangi upaya pelatihan dan biaya energi.”

Temuan dari penelitian ini dipublikasikan di IOP Nanotechnology.

Inhibisi Lateral

Incorvia bergabung dengan penulis pertama dan mahasiswa pascasarjana kedua Can Cui. Bersama, mereka memimpin penelitian dan menemukan bahwa kemampuan neuron buatan, atau kawat nanomagnetik, untuk bersaing satu sama lain dapat ditingkatkan secara alami dengan menyediakan ruang tertentu. Dalam situasi ini, yang paling diaktifkan akan memenangkan, dan efeknya disebut “inhibisi lateral.”

Inhibisi lateral biasanya meningkatkan biaya dan memerlukan lebih banyak energi dan ruang, karena sirkuit tambahan yang diperlukan dalam komputer.

Menurut Incorvia, metode baru ini jauh lebih efisien energi daripada algoritma back-propagation standar. Ketika melakukan tugas pembelajaran yang sama, ada pengurangan energi sebesar 20 hingga 30 kali yang dicapai oleh metode peneliti.

Ketika melihat komputer baru, ada kesamaan antara mereka dan otak manusia. Seperti halnya otak manusia yang mengandung neuron, komputer mengandung versi buatan. Inhibisi lateral terjadi ketika neuron yang lebih lambat dicegah dari memicu oleh neuron yang paling cepat. Ini menghasilkan penurunan kebutuhan akan penggunaan energi dalam memproses data.

Incorvia telah menunjukkan bahwa ada perubahan mendasar yang terjadi dalam komputer dan cara mereka beroperasi. Salah satu tren baru disebut komputasi neuromorfik, yang dapat dilihat sebagai proses merancang komputer untuk berpikir seperti otak manusia.

Perangkat cerdas baru yang dikembangkan dirancang untuk menganalisis jumlah data yang besar secara bersamaan, bukan hanya memproses tugas individu. Ini adalah salah satu aspek dasar dari kecerdasan buatan dan pembelajaran mesin.

Fokus utama dari penelitian ini adalah interaksi antara dua neuron magnetik dan interaksi dari beberapa neuron. Tim akan sekarang menerapkan temuan mereka pada set yang lebih besar dari beberapa neuron.

Penelitian ini didukung oleh Penghargaan CAREER Yayasan Sains Nasional dan Laboratorium Nasional Sandia. Sumber daya disediakan oleh Pusat Komputasi Lanjutan Texas di UT.