새로운 시스템, AI 에너지 소비 문제 해결을 목표로 한다

인공 지능(AI)을 사용하는 컴퓨터는 많은 에너지를 필요로 하며, 이 컴퓨팅 파워 요구 사항은 약 3~4개월마다 두 배로 증가하고 있습니다. 클라우드 컴퓨팅 데이터 센터의 경우, AI 및 기계 학습 애플리케이션에서 사용되며, 일부 작은 국가보다 더 많은 전기力を 사용합니다. 많은 연구자들은 이 시스템이 지속 불가능하다고 경고하고 있습니다.

와싱턴 대학교를 이끄는 연구팀은 이 문제를 해결하기 위한 솔루션을 찾았습니다. 새로운 광학 컴퓨팅 하드웨어를 개발하여 AI 및 기계 학습을 위한 에너지 효율을 높이고 속도를 향상시켰습니다. 또한 광학 컴퓨팅으로 인한 노이즈를 해결하여 컴퓨팅 정밀도를 향상시켰습니다.

이 연구는 1월 21일 Science Advances에 발표되었습니다.

노이즈를 입력으로 사용하기

연구 논문에서, 팀은 광학 컴퓨팅 시스템이 노이즈를 입력으로 사용하여 인공 신경망(ANN)의 창의적 출력을 향상시킬 수 있음을 보여주었습니다.

창밍 우(Changming Wu)는 워싱턴 대학교의 전기 및 컴퓨터 공학 박사 과정 학생이자 논문의 제1저자입니다.

“우리는 기존의 디지털 컴퓨터보다 빠른 광학 컴퓨터를 개발했습니다,”라고 우는 말했습니다. “또한, 이 광학 컴퓨터는 광학 노이즈에서 생성된 임의의 입력을 사용하여 새로운 것을 만들 수 있습니다.”

광학 컴퓨팅 노이즈는 레이저 내의 광자 또는 열 방사에 의해 발생합니다. 팀은 광학 컴퓨팅 코어를 생성적 적대적 네트워크(GAN)와 연결하여 노이즈를 완화하는 다양한 기술을 테스트했습니다.

팀은 GAN에 인간의 필기를 모방하여 숫자 ‘7’를 쓰도록 훈련했습니다. 이는 네트워크가 필기 샘플을 관찰하고 연습하여야 했습니다. 광학 컴퓨터는 디지털 이미지를 생성하여 샘플과 유사한 스타일을 갖도록 했습니다.

모 리(Mo Li)는 워싱턴 대학교의 전기 및 컴퓨터 공학 교수이자 논문의 공동저자입니다.

“우리는 네트워크를 훈련하여 필기체 숫자를 읽는 대신, 필기체 숫자를 쓰도록 훈련했습니다,”라고 리는 말했습니다. “또한, 우리는 컴퓨터 과학 협력자들과 함께 광학 컴퓨팅 하드웨어의 노이즈를 완화하는 알고리즘을 개발했습니다. 네트워크는 실제로 노이즈를 임의의 입력으로 사용하여 출력 인스턴스를 생성합니다.”

GAN은 계속해서 숫자를 쓰는 연습을 하면서,独特한 필기체 스타일을 개발했습니다. 결국, 컴퓨터 시뮬레이션에서 1부터 10까지의 숫자를 쓰는 것을 성공했습니다.

대규모 장치 구축

팀은 현재 반도체 제조 기술을 사용하여 대규모 장치를 구축하고자 합니다. 이는 성능을 향상시키고 더 복잡한 작업을 수행할 수 있도록 할 것입니다.

“이 광학 시스템은 AI 및 기계 학습에서 사용되는 인공 신경망의 창의성을 향상시키는 컴퓨터 하드웨어 아키텍처를 대표합니다,”라고 리는 말했습니다. “그러나 더 중요한 것은, 이 시스템이 대규모에서 노이즈와 오류를 완화하고 حتى 활용할 수 있음을 보여줍니다. AI 애플리케이션은 매우 빠르게 성장하고 있기 때문에, 향후 에너지 소비는 지속 불가능할 것입니다. 이 기술은 에너지 소비를 줄이고, AI 및 기계 학습을 환경적으로 지속 가능하게 만들 수 있을 것입니다. 또한, 매우 빠르고, 전체적인 성능을 향상시킬 것입니다.”