I ricercatori sviluppano un nuovo metodo per aumentare l’efficienza energetica dei computer intelligenti

I ricercatori della Cockrell School of Engineering dell’Università del Texas ad Austin hanno scoperto un nuovo modo per aumentare l’efficienza energetica dei computer intelligenti. Ciò avviene in un momento in cui c’è un aumento della domanda di energia per elaborare grandi quantità di dati, a causa della nuova tecnologia sviluppata.

Infrastruttura dei computer

I chip di silicio sono normalmente utilizzati per costruire l’infrastruttura che alimenta i computer, ma il nuovo sistema sviluppato si basa su componenti magnetici invece del silicio. I chip di silicio stanno raggiungendo i loro limiti, a causa di cose come l’intelligenza artificiale, le auto a guida autonoma e i telefoni 5G e 6G. Le nuove applicazioni richiedono velocità più elevate, latenza ridotta e rilevamento della luce, tutte cose che richiedono un aumento di energia. A causa di ciò, si stanno cercando alternative al silicio.

Studiando la fisica dei componenti magnetici, i ricercatori hanno scoperto nuove informazioni su come ridurre i costi energetici. Hanno anche scoperto modi per ridurre i requisiti degli algoritmi di addestramento, che sono reti neurali in grado di riconoscere modelli e immagini.

Jean Anne Incorvia è un assistente professore nel Dipartimento di Ingegneria Elettrica e Informatica della Cockrell School.

“Attualmente, i metodi per addestrare le reti neurali sono molto energivori”, ha detto Jean Anne Incorvia. “Il nostro lavoro può aiutare a ridurre lo sforzo di addestramento e i costi energetici”.

I risultati della ricerca sono stati pubblicati su IOP Nanotechnology.

Inibizione laterale

Incorvia è stato raggiunto dal primo autore e studente di secondo anno Can Cui. Insieme, hanno guidato lo studio e scoperto che la capacità delle neuron artificiali, o nanofili magnetici, di competere l’una con l’altra può essere aumentata naturalmente spaziandole in modi specifici. In questa situazione, quelle più attivate finiscono per vincere, e l’effetto è chiamato “inibizione laterale”.

L’inibizione laterale normalmente aumenta i costi e richiede più energia e spazio, a causa dell’aggiunta di circuiti all’interno dei computer.

Secondo Incorvia, il nuovo metodo è molto più efficiente dal punto di vista energetico rispetto a un algoritmo di back-propagation standard. Quando si eseguono gli stessi compiti di apprendimento, si ottiene una riduzione dell’energia di 20-30 volte raggiunta con il metodo dei ricercatori.

Quando si guardano i nuovi computer, c’è una somiglianza tra loro e il cervello umano. Allo stesso modo in cui il cervello umano contiene neuroni, i computer contengono versioni artificiali. L’inibizione laterale si verifica quando i neuroni più lenti vengono impediti di attivarsi dai neuroni più veloci. Ciò comporta una riduzione del fabbisogno di energia per l’elaborazione dei dati.

Incorvia ha indicato che si sta verificando un cambiamento fondamentale all’interno dei computer e di come funzionano. Una delle nuove tendenze è chiamata calcolo neuromorfico, che può essere visto come il processo di progettazione dei computer per farli pensare come il cervello umano.

I nuovi dispositivi intelligenti sono progettati per analizzare grandi quantità di dati contemporaneamente, anziché elaborare solo compiti individuali. Ciò è uno degli aspetti fondamentali dell’intelligenza artificiale e dell’apprendimento automatico.

Il principale obiettivo di questa ricerca era l’interazione tra due neuroni magnetici e l’interazione di più neuroni. Il team applicherà ora i loro risultati a insiemi più grandi di neuroni multipli.

La ricerca è stata supportata da un National Science Foundation CAREER Award e da Sandia National Laboratories. Le risorse sono state fornite dal Texas Advanced Computing Center dell’UT.