Pesquisadores Desenvolvem Nova Maneira de Aumentar a Eficiência Energética de Computadores Inteligentes

Pesquisadores da Cockrell School of Engineering da Universidade do Texas em Austin descobriram uma nova maneira de aumentar a eficiência energética de computadores inteligentes. Isso ocorre em um momento em que há uma necessidade crescente de energia para processar grandes quantidades de dados, resultado de tecnologias recentemente desenvolvidas.

Infraestrutura de Computadores

Os chips de silício são normalmente usados para construir a infraestrutura que alimenta os computadores, mas o sistema recém-desenvolvido depende de componentes magnéticos em vez de silício. Os chips de silício estão começando a atingir seus limites, devido a coisas como inteligência artificial, carros autônomos e telefones 5G e 6G. Novas aplicações exigem velocidades mais rápidas, latência reduzida e detecção de luz, tudo exigindo mais energia. Por causa disso, alternativas ao silício estão sendo procuradas.

Ao estudar a física dos componentes magnéticos, os pesquisadores encontraram novas informações sobre como os custos de energia podem ser reduzidos. Eles também descobriram maneiras de diminuir os requisitos dos algoritmos de treinamento, que são redes neurais capazes de reconhecer padrões e imagens.

Jean Anne Incorvia é professora assistente no Departamento de Engenharia Elétrica e Computacional da Cockrell School.

“Atualmente, os métodos para treinar suas redes neurais são muito intensivos em energia”, disse Jean Anne Incorvia. “O que nosso trabalho pode fazer é ajudar a reduzir o esforço de treinamento e os custos de energia.”

As descobertas da pesquisa foram publicadas em IOP Nanotechnology.

Inibição Lateral

Incorvia foi acompanhada pelo primeiro autor e estudante de pós-graduação de segundo ano Can Cui. Juntos, eles lideraram o estudo e descobriram que a capacidade das neurônios artificiais, ou nanofios magnéticos, de competir entre si pode ser naturalmente aumentada espaçando-os de certas maneiras. Nessa situação, os mais ativados acabam vencendo, e o efeito é chamado de “inibição lateral”.

A inibição lateral normalmente aumenta os custos e consome mais energia e espaço, devido à circuitaria extra necessária nos computadores.

De acordo com Incorvia, o novo método é muito mais eficiente em energia do que um algoritmo de retropropagação padrão. Ao realizar as mesmas tarefas de aprendizado, há uma redução de energia de 20 a 30 vezes alcançada pelo método dos pesquisadores.

Ao olhar para os novos computadores, há uma semelhança entre eles e o cérebro humano. Assim como o cérebro humano contém neurônios, os computadores contêm versões artificiais. A inibição lateral ocorre quando os neurônios mais lentos são impedidos de disparar pelos neurônios que disparam mais rápido. Isso resulta em uma redução na necessidade de uso de energia no processamento de dados.

Incorvia indicou que há uma mudança fundamental ocorrendo dentro dos computadores e como eles operam. Uma das novas tendências é chamada de computação neuromórfica, que pode ser vista como o processo de projetar computadores para pensar como o cérebro humano.

Os dispositivos inteligentes recém-desenvolvidos são projetados para analisar grandes quantidades de dados simultaneamente, em vez de apenas processar tarefas individuais. Isso é uma das bases fundamentais da inteligência artificial e do aprendizado de máquina.

O foco principal dessa pesquisa foi as interações entre dois neurônios magnéticos e as interações de múltiplos neurônios. A equipe agora aplicará suas descobertas a conjuntos maiores de múltiplos neurônios.

A pesquisa foi apoiada por um prêmio CAREER da National Science Foundation e pelos Laboratórios Nacionais Sandia. Recursos foram fornecidos pelo Texas Advanced Computing Center da UT.