Повышение энергоэффективности обработки больших данных с помощью магнитных цепей

Быстрый прогресс технологий привел к огромному увеличению энергопотребления для обработки огромных массивов данных, генерируемых устройствами. Но исследователи из инженерной школы Кокрелла Техасского университета в Остине нашли способ сделать интеллектуальные компьютеры нового поколения более энергоэффективными.

Традиционно кремниевые микросхемы являлись строительными блоками инфраструктуры компьютеров. Но это исследование использует магнитные компоненты вместо кремния и открывает новую информацию о том, как физика магнитных компонентов может снизить затраты на энергию и требования к алгоритмам обучения — нейронным сетям, которые могут думать, как люди, и делать такие вещи, как распознавать изображения и шаблоны.

«В настоящее время методы обучения нейронных сетей очень энергоемки», — сказала Джин Энн Инкорвиа, доцент кафедры электротехники и вычислительной техники школы Кокрелла. «Наша работа может помочь снизить затраты на обучение и энергию».

Выводы исследователей были опубликованы на этой неделе в IOP Nanotechnology . Инкорвиа провела исследование с первым автором и аспирантом второго курса Джан Куи. Инкорвиа и Куи обнаружили, что расположение магнитных нанопроволок, действующих как искусственные нейроны, в определенном смысле естественным образом увеличивает способность искусственных нейронов конкурировать друг с другом, причем выигрывают наиболее активированные. Достижение этого эффекта, известного как «поперечное торможение», традиционно требует дополнительных схем внутри компьютеров, что увеличивает затраты и требует больше энергии и места.

Компания Incorvia сообщила, что их метод обеспечивает снижение энергии в 20–30 раз по сравнению со стандартным алгоритмом обратного распространения сигнала при выполнении тех же задач обучения.

Точно так же, как человеческий мозг содержит нейроны, в компьютерах новой эры есть искусственные версии этих целостных нервных клеток. Боковое торможение происходит, когда нейроны, срабатывающие быстрее всего, способны предотвратить срабатывание более медленных нейронов. В вычислительной технике это сокращает потребление энергии при обработке данных.

Incorvia объясняет, что принципы работы компьютеров в корне меняются. Основная тенденция — это концепция нейроморфных вычислений, которая, по сути, проектирует компьютеры, чтобы они думали, как человеческий мозг. Вместо того, чтобы обрабатывать задачи по очереди, эти более умные устройства предназначены для одновременного анализа огромных объемов данных. Эти инновации привели к революции в машинном обучении и искусственном интеллекте, которые доминировали в сфере технологий в последние годы.

Это исследование было сосредоточено на взаимодействии между двумя магнитными нейронами и первоначальных результатах взаимодействия нескольких нейронов. Следующий шаг включает применение результатов к большему количеству множественных нейронов, а также экспериментальную проверку их результатов.

Исследование финансировалось Национальным научным фондом CAREER Award и Sandia National Laboratories с привлечением ресурсов Техасского центра передовых вычислений UT.