Naukowcy opracowali nowy sposób zwiększania wydajności energetycznej inteligentnych komputerów

Naukowcy z Wydziału Inżynierii Cockrella na Uniwersytecie Teksasu w Austin odkryli nowy sposób zwiększania wydajności energetycznej inteligentnych komputerów. Ma to miejsce w czasie, gdy wzrasta zapotrzebowanie na energię do przetwarzania ogromnych ilości danych, co jest wynikiem nowo opracowanej technologii.

Infrastruktura komputerów

Zwykle do budowy infrastruktury, która napędza komputery, używa się chipów krzemowych, ale nowo opracowany system opiera się na składnikach magnetycznych zamiast krzemowych. Chipów krzemowych zaczyna brakować, ze względu na takie rzeczy, jak sztuczna inteligencja, samochody bez kierowcy i telefony 5G i 6G. Nowe aplikacje wymagają szybszych prędkości, mniejszych opóźnień i wykrywania światła, co wszystko wymaga zwiększonej ilości energii. Z tego powodu szuka się alternatyw dla krzemu.

Badając fizykę składników magnetycznych, naukowcy odkryli nowe informacje na temat tego, jak można zmniejszyć koszty energii. Odkryli również sposoby, aby zmniejszyć wymagania algorytmów szkoleniowych, które są sieciami neuronowymi zdolnymi do rozpoznawania wzorców i obrazów.

Jean Anne Incorvia jest adiunktem w Wydziale Inżynierii Elektrycznej i Komputerowej Cockrella.

“Obecnie metody szkolenia sieci neuronowych są bardzo energochłonne”, powiedziała Jean Anne Incorvia. “Nasza praca może pomóc w zmniejszeniu wysiłku szkoleniowego i kosztów energii”.

Wyniki badań zostały opublikowane w IOP Nanotechnology.

Lateralna inhibicja

Incorvia była wspierana przez pierwszego autora i drugiego roku studenta Can Cui. Razem, poprowadzili badanie i odkryli, że zdolność sztucznych neuronów, czyli magnetycznych nanodrutek, do konkurowania ze sobą może być naturalnie zwiększona przez ich rozmieszczenie w określony sposób. W tej sytuacji, najbardziej aktywowane neurony wygrywają, a efekt ten nazywa się “lateralną inhibicją”.

Lateralna inhibicja zwykle zwiększa koszty i wymaga więcej energii i miejsca, ze względu na dodatkowe obwody, które są wymagane w komputerach.

Według Incorvii, nowa metoda jest znacznie bardziej efektywna energetycznie niż standardowy algorytm propagacji wstecznej. Podczas wykonywania tych samych zadań szkoleniowych, osiągnięto redukcję energii o 20 do 30 razy przy użyciu metody opracowanej przez naukowców.

Gdy spoglądamy na nowe komputery, istnieje podobieństwo między nimi a ludzkim mózgiem. Podobnie jak ludzki mózg zawiera neurony, komputery zawierają sztuczne wersje. Lateralna inhibicja występuje, gdy wolniejsze neurony są uniemożliwione przez najszybciej strzelające neurony. To powoduje zmniejszenie potrzeby zużycia energii podczas przetwarzania danych.

Incorvia wskazała, że w komputerach i ich działaniu zachodzi fundamentalna zmiana. Jednym z nowych trendów jest tzw. neuromorficzne przetwarzanie, które można uznać za proces projektowania komputerów, aby myślały jak ludzki mózg.

Nowo opracowane inteligentne urządzenia są zaprojektowane do analizy ogromnych ilości danych jednocześnie, a nie tylko do przetwarzania poszczególnych zadań. Jest to jeden z podstawowych aspektów sztucznej inteligencji i uczenia maszynowego.

Głównym celem tego badania były interakcje między dwoma neuronami magnetycznymi i interakcje wielu neuronów. Zespół teraz zastosuje swoje odkrycia do większych zestawów wielu neuronów.

Badanie zostało wsparte przez Narodową Fundację Nauki CAREER i Sandia National Laboratories. Zasoby zostały dostarczone przez Texas Advanced Computing Center Uniwersytetu Teksasu.