โมเดลและแพลตฟอร์ม AI

นักวิจัยพัฒนาแนวทางใหม่เพื่อเพิ่มประสิทธิภาพการใช้พลังงานของคอมพิวเตอร์สมาร์ท

Alex McFarland
เพิ่ม Unite.AI ลงในแหล่งข้อมูลที่คุณต้องการบน Google
ประเด็นสำคัญแม่เหล็กนาโนไวร์ที่วางระยะห่างเพื่อให้เกิดการยับยั้งด้านข้างช่วยลดพลังงานในการฝึกโครงข่า…
ดูเพิ่มเติม
  • แม่เหล็กนาโนไวร์ที่วางระยะห่างเพื่อให้เกิดการยับยั้งด้านข้างช่วยลดพลังงานในการฝึกโครงข่ายประสาทเทียมได้ 20-30 เท่า
  • การคำนวณแบบนิวโรมอร์ฟิกเปลี่ยนคอมพิวเตอร์จากการประมวลผลแบบลำดับเป็นการวิเคราะห์ข้อมูลพร้อมกันเหมือนสมองมนุษย์
  • วิธีการของทีมมหาวิทยาลัยเท็กซัสช่วยลดต้นทุนพลังงานโดยไม่ต้องใช้วงจรเพิ่มเติมที่จำเป็นสำหรับการแพร่ย้อนกลับแบบมาตรฐาน

นักวิจัยจาก Cockrell School of Engineering ของ The University of Texas at Austin ได้ค้นพบวิธีใหม่ในการเพิ่มประสิทธิภาพการใช้พลังงานของคอมพิวเตอร์สมาร์ท ซึ่งเป็นช่วงเวลาที่มีความต้องการพลังงานเพิ่มขึ้นในการประมวลผลข้อมูลจำนวนมาก ผลลัพธ์ของเทคโนโลยีที่พัฒนาใหม่

โครงสร้างพื้นฐานของคอมพิวเตอร์

ชิปซิลิกอนมักใช้ในการสร้างโครงสร้างพื้นฐานที่ให้พลังงานแก่คอมพิวเตอร์ แต่ระบบใหม่ที่พัฒนาขึ้นนี้ใช้ компон 件แม่เหล็ก代替ซิลิกอน ชิปซิลิกอนเริ่มถึงขีดจำกัดแล้ว เนื่องจากสิ่งต่างๆ เช่น ปัญญาประดิษฐ์ รถยนต์ขับเคลื่อนอัตโนมัติ และโทรศัพท์ 5G และ 6G แอปพลิเคชันใหม่ต้องการความเร็วที่เร็วขึ้น ลดความล่าช้า และการตรวจจับแสง ซึ่งทั้งหมดนี้ต้องการพลังงานที่เพิ่มขึ้น ด้วยเหตุนี้ จึงมีการสำรวจทางเลือกอื่นแทนซิลิกอน

โดยการ изучาฟิสิกส์ของส่วนประกอบแม่เหล็ก นักวิจัยได้ค้นพบข้อมูลใหม่เกี่ยวกับวิธีการลดค่าใช้จ่ายพลังงาน พวกเขายังพบวิธีการลดข้อกำหนดของอัลกอริทึมการฝึกอบรม ซึ่งเป็นเครือข่ายประสาทที่สามารถรับรู้รูปแบบและภาพ

Jean Anne Incorvia เป็นอาจารย์ผู้ช่วยในภาควิชาวิศวกรรมไฟฟ้าและคอมพิวเตอร์ของ Cockrell School

“ในขณะนี้ วิธีการฝึกอบรมเครือข่ายประสาทของคุณมีการใช้พลังงานสูงมาก” Jean Anne Incorvia กล่าว “สิ่งที่งานของเราสามารถทำได้คือช่วยลดความพยายามในการฝึกอบรมและค่าใช้จ่ายพลังงาน”

ผลการวิจัยได้รับการตีพิมพ์ใน IOP Nanotechnology.

การยับยั้งด้านข้าง

Incorvia ได้ร่วมมือกับ Can Cui นักศึกษาระดับบัณฑิตศึกษาปีที่สอง ซึ่งเป็นผู้เขียนหลักของการศึกษา พวกเขาพบว่าความสามารถของニューロนเทียมหรือเส้นลวดแม่เหล็กในการแข่งขันกันสามารถเพิ่มขึ้นได้โดยการวางตำแหน่งใน某些วิธี ในกรณีนี้ นิวโรนที่มีการกระตุ้นสูงสุดจะชนะ และผลกระทบนี้เรียกว่า “การยับยั้งด้านข้าง”

การยับยั้งด้านข้างมักจะเพิ่มค่าใช้จ่ายและต้องการพลังงานและพื้นที่มากขึ้น เนื่องจากวงจรเพิ่มเติมที่จำเป็นภายในคอมพิวเตอร์

ตาม Incorvia วิธีการใหม่นี้มีประสิทธิภาพการใช้พลังงานมากกว่าอัลกอริทึมการย้อนกลับมาตรฐาน เมื่อทำการเรียนรู้ที่เหมือนกัน มีการลดพลังงาน 20-30 เท่าโดยวิธีการของนักวิจัย

เมื่อมองคอมพิวเตอร์ใหม่ๆ จะเห็นความคล้ายคลึงกับสมองของมนุษย์ เช่นเดียวกับสมองของมนุษย์ที่มีนิวโรน คอมพิวเตอร์ก็มีนิวโรนเทียม การยับยั้งด้านข้างเกิดขึ้นเมื่อนิวโรนที่ช้ากว่าถูกป้องกันไม่ให้ทำงานโดยนิวโรนที่เร็วที่สุด ซึ่งทำให้ลดความต้องการพลังงานในการประมวลผลข้อมูล

Incorvia ระบุว่ามีการเปลี่ยนแปลงพื้นฐานที่เกิดขึ้นภายในคอมพิวเตอร์และวิธีการทำงานของมัน หนึ่งในแนวโน้มใหม่ๆ คือการคำนวณแบบ neuromorphic ซึ่งสามารถมองได้ว่าเป็นกระบวนการออกแบบคอมพิวเตอร์ให้คล้ายกับสมองของมนุษย์

อุปกรณ์สมาร์ทที่พัฒนาใหม่ถูกออกแบบมาเพื่อวิเคราะห์ข้อมูลจำนวนมากพร้อมกัน แทนที่จะประมวลผลงานแต่ละงาน สิ่งนี้เป็นหนึ่งในแง่มุมพื้นฐานของปัญญาประดิษฐ์และการเรียนรู้ของเครื่อง

จุดสนใจหลักของการวิจัยนี้คือการโต้ตอบระหว่างนิวโรนแม่เหล็กสองตัวและการโต้ตอบของนิวโรนหลายตัว ทีมจะนำผลการวิจัยไปใช้กับชุดนิวโรนหลายตัวที่ใหญ่ขึ้น

การวิจัยได้รับการสนับสนุนโดย National Science Foundation CAREER Award และ Sandia National Laboratories ทรัพยากรได้รับการจัดให้โดย Texas Advanced Computing Center ของ UT

Alex เป็นผู้นำการดำเนินงานข่าวที่ใช้ AI ของ Unite.AI โดยผสานงานวารสารศาสตร์ การวิจัย และระบบอัตโนมัติ เพื่อสนับสนุนการรายงานข่าวด้านปัญญาประดิษฐ์อย่างทันท่วงทีและรองรับการขยายงาน งานของเขาช่วยให้ความก้าวหน้าใหม่ ๆ ด้าน AI ได้รับการนำเสนออย่างมีประสิทธิภาพ พร้อมรักษามาตรฐานบรรณาธิการของสำนักพิมพ์