人工神經(jīng)網(wǎng)絡(luò)可能很快就能更有效地處理與時間相關(guān)的信息,例如音頻和視頻數(shù)據(jù)。密歇根大學(xué)領(lǐng)導(dǎo)的一項(xiàng)研究今天在《自然電子》雜志上報道了第一個具有可調(diào)諧“弛豫時間”的憶阻器。
憶阻器是一種在電阻中存儲信息的電子元件,與當(dāng)今的圖形處理單元相比,它可以將人工智能的能源需求減少約 90 倍。預(yù)計(jì)到 2027 年,人工智能將占全球總電力消耗的 0.5% 左右,而且隨著越來越多的公司銷售和使用人工智能工具,這一數(shù)字還有可能激增。
“目前,人們對人工智能很感興趣,但要處理更大、更有趣的數(shù)據(jù),方法是增加網(wǎng)絡(luò)規(guī)模。這不是很有效,”密歇根大學(xué)詹姆斯·R·梅勒 (James R. Mellor) 工程教授盧偉 (Wei Lu) 說該研究的共同通訊作者是密歇根大學(xué)材料科學(xué)與工程系副教授 John Heron。
問題在于,GPU 的運(yùn)行方式與運(yùn)行 AI 算法的人工神經(jīng)網(wǎng)絡(luò)截然不同——整個網(wǎng)絡(luò)及其所有交互都必須從外部存儲器按順序加載,這既耗時又耗能。相比之下,憶阻器可以節(jié)省能源,因?yàn)樗鼈兡7铝巳斯ず蜕锷窠?jīng)網(wǎng)絡(luò)在沒有外部存儲器的情況下運(yùn)行的關(guān)鍵方面。在一定程度上,憶阻器網(wǎng)絡(luò)可以體現(xiàn)人工神經(jīng)網(wǎng)絡(luò)。
“我們預(yù)計(jì),在不改變時間常數(shù)的情況下,我們?nèi)碌牟牧舷到y(tǒng)可以將人工智能芯片的能源效率比最先進(jìn)的材料提高六倍,”最近獲得密歇根大學(xué)博士學(xué)位的 Sieun Chae 說道。材料科學(xué)與工程專業(yè)的畢業(yè)生,與最近獲得密歇根大學(xué)博士學(xué)位的 Sangmin Yoo 是該研究的共同第一作者。電氣和計(jì)算機(jī)工程專業(yè)畢業(yè)生。
標(biāo)簽:
免責(zé)聲明:本文由用戶上傳,如有侵權(quán)請聯(lián)系刪除!