Các nhà nghiên cứu phát triển phương pháp mới để tăng hiệu suất năng lượng của máy tính thông minh

Các nhà nghiên cứu từ Trường Kỹ thuật Cockrell của Đại học Texas tại Austin đã phát hiện ra một phương pháp mới để tăng hiệu suất năng lượng của máy tính thông minh. Điều này xảy ra trong thời gian nhu cầu năng lượng tăng cao để xử lý lượng dữ liệu khổng lồ, kết quả của công nghệ mới được phát triển.

Cơ sở hạ tầng của Máy tính

Thông thường, các chip silicon được sử dụng để xây dựng cơ sở hạ tầng cung cấp năng lượng cho máy tính, nhưng hệ thống mới được phát triển dựa trên các thành phần từ tính thay vì silicon. Các chip silicon đang bắt đầu đạt đến giới hạn của chúng, do những thứ như trí tuệ nhân tạo, xe tự lái, và điện thoại 5G và 6G. Các ứng dụng mới yêu cầu tốc độ nhanh hơn, độ trễ giảm, và phát hiện ánh sáng, tất cả đều yêu cầu năng lượng tăng.

Bằng cách nghiên cứu vật lý của các thành phần từ tính, các nhà nghiên cứu đã tìm thấy thông tin mới về cách giảm chi phí năng lượng. Họ cũng phát hiện ra cách giảm yêu cầu của các thuật toán đào tạo, là các mạng nơ-ron có khả năng nhận dạng mẫu và hình ảnh.

Jean Anne Incorvia là giáo sư trợ lý tại Bộ phận Kỹ thuật Điện và Máy tính của Trường Kỹ thuật Cockrell.

“Hiện tại, các phương pháp đào tạo mạng nơ-ron của bạn rất tốn năng lượng,” Jean Anne Incorvia cho biết. “Công việc của chúng tôi có thể giúp giảm努力 đào tạo và chi phí năng lượng.”

Kết quả nghiên cứu được công bố trên IOP Nanotechnology.

Ức chế ngang

Incorvia được tham gia bởi tác giả đầu tiên và sinh viên sau đại học năm thứ hai Can Cui. Cùng nhau, họ dẫn đầu nghiên cứu và phát hiện ra rằng khả năng của các nơ-ron nhân tạo, hoặc các nanodây từ tính, để cạnh tranh với nhau có thể được tăng lên tự nhiên bằng cách sắp xếp chúng theo certain cách. Trong trường hợp này, những nơ-ron hoạt động mạnh nhất sẽ thắng, và hiệu ứng này được gọi là “ức chế ngang”.

Ức chế ngang thường tăng chi phí và yêu cầu nhiều năng lượng và không gian hơn, do mạch điện bổ sung cần thiết trong máy tính.

Theo Incorvia, phương pháp mới này hiệu quả hơn nhiều so với thuật toán truyền thống. Khi thực hiện cùng một nhiệm vụ học tập, có giảm 20 đến 30 lần năng lượng được đạt được bởi phương pháp của các nhà nghiên cứu.

Khi nhìn vào máy tính mới, có sự tương似 giữa chúng và não bộ con người. Giống như não bộ con người chứa các nơ-ron, máy tính chứa các phiên bản nhân tạo. Ức chế ngang xảy ra khi các nơ-ron chậm hơn bị ngăn chặn bởi các nơ-ron hoạt động nhanh nhất. Điều này dẫn đến giảm nhu cầu sử dụng năng lượng trong quá trình xử lý dữ liệu.

Incorvia đã chỉ ra rằng có một sự thay đổi cơ bản đang diễn ra trong máy tính và cách chúng hoạt động. Một trong những xu hướng mới là tính toán mô phỏng não, có thể được xem là quá trình thiết kế máy tính để nghĩ như não bộ con người.

Các thiết bị thông minh mới được phát triển để phân tích lượng dữ liệu khổng lồ đồng thời, thay vì chỉ xử lý các nhiệm vụ riêng lẻ. Đây là một trong những khía cạnh cơ bản của trí tuệ nhân tạo và học máy.

Mục tiêu chính của nghiên cứu này là tương tác giữa hai nơ-ron từ tính và tương tác của nhiều nơ-ron. Đội ngũ sẽ áp dụng phát hiện của họ vào các tập hợp lớn hơn của nhiều nơ-ron.

Nghiên cứu được hỗ trợ bởi Giải thưởng CAREER của Quỹ Khoa học Quốc gia và Phòng thí nghiệm Quốc gia Sandia. Tài nguyên được cung cấp bởi Trung tâm Máy tính Nâng cao Texas của UT.