Araştırmacılar, Akıllı Bilgisayarların Enerji Verimliliğini Artırmak İçin Yeni Bir Yol Geliştiriyor

Austin'deki Texas Üniversitesi'ndeki Cockrell Mühendislik Okulu'ndan araştırmacılar, akıllı bilgisayarların enerji verimliliğini artırmanın yeni bir yolunu keşfettiler. Bu, yeni geliştirilen teknolojinin bir sonucu olarak, büyük miktarda veriyi işlemek için artan bir enerji ihtiyacının olduğu bir zamanda ortaya çıkıyor. 

Bilgisayar Altyapısı

Silikon çipler normalde bilgisayarlara güç sağlayan altyapıyı oluşturmak için kullanılır, ancak yeni geliştirilen sistem silikon yerine manyetik bileşenlere dayanır. Yapay zeka, sürücüsüz arabalar ve 5G ve 6G telefonlar gibi şeyler nedeniyle silikon çipler sınırlarına ulaşmaya başlıyor. Yeni uygulamalar, tümü daha fazla enerji gerektiren daha yüksek hızlar, daha düşük gecikme süresi ve ışık algılama gerektirir. Bu nedenle silikona alternatifler araştırılmaktadır. 

Araştırmacılar, manyetik bileşenlerin fiziğini inceleyerek, enerji maliyetlerinin nasıl azaltılabileceği hakkında yeni bilgiler buldular. Ayrıca, kalıpları ve görüntüleri tanıyabilen sinir ağları olan eğitim algoritmalarının gereksinimlerini azaltmanın yollarını da keşfettiler. 

Jean Anne Incorvia, Cockrell School'un Elektrik ve Bilgisayar Mühendisliği Bölümü'nde yardımcı doçenttir. 

Jean Anne Incorvia, "Şu anda sinir ağlarınızı eğitme yöntemleri çok enerji yoğun," dedi. "Çalışmamızın yapabileceği şey, eğitim çabasını ve enerji maliyetlerini azaltmaya yardımcı olmaktır."

Araştırmadan elde edilen bulgular dergide yayınlandı. GİB Nanoteknoloji. 

Yanal İnhibisyon

Incorvia'ya birinci yazar ve ikinci sınıf yüksek lisans öğrencisi Can Cui katıldı. Birlikte çalışmayı yönettiler ve yapay nöronların veya manyetik nanotellerin birbirleriyle rekabet etme yeteneğinin, onları belirli şekillerde ayırarak doğal olarak artırılabileceğini keşfettiler. Bu durumda, en aktif olanlar sonunda kazanır ve bu etki "yanal engelleme" olarak adlandırılır. 

Yanal engelleme, bilgisayarlarda gereken ekstra devre nedeniyle normalde maliyetleri artırır ve daha fazla enerji ve yer kaplar. 

Incorvia'ya göre yeni yöntem, standart bir geri yayılım algoritmasından çok daha fazla enerji verimli. Aynı öğrenme görevlerini yerine getirirken, araştırmacıların yöntemiyle elde edilen 20 ila 30 kat arasında bir enerji azalması var. 

Yeni bilgisayarlara bakıldığında, insan beyni ile aralarında bir benzerlik vardır. Tıpkı insan beyninin nöron içermesi gibi, bilgisayarlar da yapay versiyonlar içerir. Yanal inhibisyon, daha yavaş nöronların en hızlı ateşleyen nöronlar tarafından ateşlenmesi engellendiğinde gerçekleşir. Bu, verilerin işlenmesinde enerji kullanımına olan ihtiyacın azalmasına neden olur. 

Incorvia, bilgisayarlarda ve nasıl çalıştıklarında köklü bir değişiklik olduğunu belirtti. Yeni trendlerden biri, bilgisayarları insan beyni gibi düşünecek şekilde tasarlama süreci olarak görülebilen nöromorfik hesaplama olarak adlandırılıyor. 

Yeni geliştirilen akıllı cihazlar, yalnızca bireysel görevleri işlemek yerine, büyük miktarlardaki verileri eş zamanlı olarak analiz edecek şekilde tasarlanmıştır. Bu, yapay zeka ve makine öğreniminin temel yönlerinden biridir. 

Bu araştırmanın ana odak noktası, iki manyetik nöron arasındaki etkileşimler ve çoklu nöronların etkileşimleriydi. Ekip şimdi bulgularını daha büyük çoklu nöron kümelerine uygulayacak. 

Araştırma Ulusal Bilim Vakfı tarafından desteklenmiştir. Ödül ve Sandia Ulusal Laboratuvarları. Kaynaklar, UT'nin Texas Advanced Computing Center tarafından sağlandı.