Tekoälyä tehokkaammin

08.11.2021

Arhus-AI-minisiru-250-t.pngTekoäly (AI) on kasvanut räjähdysmäisesti viime vuosina, mutta suuresta edistyksestä huolimatta tekoälyalgoritmien suorittamiseen tarvittava teho kasvaa edelleen.

Mutta vaikka olemme onnistuneet vähentämään huomattavasti tekoälyalgoritmien energiankulutuksessa, on vielä pitkä matka, ennen kuin aivojen inspiroima laskenta on yhtä tehokasta kuin ihmisen aivot koon ja energiatehokkuuden suhteen", sanoo apulaisprofessori Hooman Farkhani, Århusin yliopiston sähkö- ja tietotekniikan laitokselta.

"Siksi teemme intensiivistä tutkimusta kehittääksemme uutta laitteistoa, joka jäljittelee ihmisen aivojen rakennetta, neuroneja, synapsia ja neuroverkkoja, jotka tunnetaan aivojen innoittamana tietojenkäsittelynä (brain-inspired computing, BIC). Hooman Farkhani on saanut 1,9 miljoonan Tanskan kruunun avustuksen hankkeeseen, jossa tarkastellaan nanokokoisen BIC-järjestelmän kehittämistä.

"Jos onnistumme, meillä on ensimmäinen BIC -järjestelmä, joka ei ole suurempi kuin pölynjyvä ja jonka energiankulutus on niin pieni, että tarvittava energia voidaan kerätä suoraan ympäröivästä ympäristöstä. Tämä avaa tietä monille uusille, aiemmin mahdottomille tekoälysovelluksille", sanoo Farkhani.

Hiljattain tutkijaryhmä Max Planck Institute of Microstructure Physicsistä ja Semron GmbHstä ovat osoittaneet uudenlaisen kapasitiivisen muistitekniikan, jolla on ennennäkemätön energiatehokkuus.

Arhus-MAX-Planck-memkapasitanssi-250-t.jpgNykyiset CPU- ja GPU-arkkitehtuurit kuluttavat paljon energiaa datan siirtämiseen muistien ja prosessorien välillä. Tämä ongelma voidaan ratkaista "muistin sisäisellä laskennalla", jossa kerto- ja kertymistoiminto (MAC), joka on nykyään useimpien kaupallisten DL-sovellusten perustoiminto, suoritetaan itse muistissa.

Eräs yleinen lähestymistapa on käyttää esimerkiksi memristoreita tai faasimuutosmuistia, joissa kertolasku tapahtuu Ohmin lain mukaan ja kertyminen Kirchhoffin virtalain mukaan. Kapasitiiviset laitteet ovat luonnostaan parempia kuin resistiiviset laitteet tehonkulutuksen suhteen korkeamman signaali-kohinasuhteensa ansiosta.

Kai-Uwe Demasius, Semronin teknologiajohtaja kertoo: "Kaikki aiemmat kapasitiiviset lähestymistavat kärsivät joko epäkäytännöllisestä valmistuksesta tai heikosta tarkkuudesta".

Nämä ongelmat ratkaistaan tässä tutkimustyössä käyttämällä varaussuojuksen periaatetta, joka voi tarjota erittäin energiatehokkaan lähestymistavan rinnakkaisten kerto- ja kertymistoimintojen toteuttamiseen.

Tälle uudelle muistisolulle on monia mahdollisia toteutuksia. Vaikka kaupallistaminen suosii lähestymistapoja ilman uusia materiaaleja, tässä työssä käytettiin ferrosähköistä materiaalia, koska se mahdollistaa erittäin pienitehoiset ominaisuudet DL-mallin parametrien kirjoittamisessa.

Aiheesta aiemmin:

Aivomainen transistoripiiri

Elektronisia järjestelmiä nanovihreästä materiaalista

Aivojakin tehokkaampaa synapsitekniikkaa

09.08.2022Lisää monipuolisia kvanttiantureita
08.08.2022Ihanteellisen puolijohdemateriaalin metsästystä
05.08.2022Polymeeriperustaista akkutekniikkaa
04.08.2022Grafeenin avulla kuvia nesteessä "uivista" atomeista
03.08.2022P-tietokoneiden potentiaali
02.08.2022Transistorista memristoriin: kytkentäteknologiaa tulevaisuutta varten
01.08.2022Pienemmän tehonkäytön neuroverkkoja
30.07.2022Suuri askel pienille moottoreille
29.07.2022Elektronit käyttäytyvät hienojakoisemmin
27.07.2022Erittäin viritettäviä komposiittimateriaaleja

Siirry arkistoon »