Investigadores del Instituto de Ciencias Industriales de la Universidad de Tokio diseñaron y construyeron hardware informático especializado que consiste en pilas de módulos de memoria dispuestos en una espiral 3D para aplicaciones de inteligencia artificial IA. Esta investigación puede abrir el camino para la próxima generaciónde dispositivos de IA energéticamente eficientes.
El aprendizaje automático es un tipo de IA que permite que las computadoras se entrenen con datos de ejemplo para hacer predicciones para nuevas instancias. Por ejemplo, un algoritmo de altavoz inteligente como Alexa puede aprender a comprender sus comandos de voz, por lo que puede entenderlo incluso cuando ustedpedir algo por primera vez. Sin embargo, la IA tiende a requerir una gran cantidad de energía eléctrica para entrenar, lo que genera dudas sobre el cambio climático.
Ahora, los científicos del Instituto de Ciencias Industriales de la Universidad de Tokio han desarrollado un diseño novedoso para apilar módulos de memoria resistivos de acceso aleatorio con transistor de acceso de semiconductor de óxido IGZO en una espiral tridimensional. Tener memoria no volátil en el chipcolocado cerca de los procesadores, hace que el proceso de entrenamiento de aprendizaje automático sea mucho más rápido y más eficiente energéticamente. Esto se debe a que las señales eléctricas tienen una distancia mucho más corta para viajar en comparación con el hardware de la computadora convencional. Apilar múltiples capas de circuitos es un paso natural, ya que entrenar el algoritmoa menudo requiere que muchas operaciones se ejecuten en paralelo al mismo tiempo.
"Para estas aplicaciones, la salida de cada capa generalmente está conectada a la entrada de la capa siguiente. Nuestra arquitectura reduce en gran medida la necesidad de interconectar el cableado", dice el primer autor Jixuan Wu.
El equipo pudo hacer que el dispositivo sea aún más eficiente energéticamente mediante la implementación de un sistema de redes neuronales binarizadas. En lugar de permitir que los parámetros sean cualquier número, están restringidos a ser +1 o -1. Esto simplifica enormemente elhardware utilizado, así como comprimir la cantidad de datos que deben almacenarse. Probaron el dispositivo usando una tarea común en IA, interpretando una base de datos de dígitos escritos a mano. Los científicos demostraron que aumentar el tamaño de cada capa de circuito podría mejorar la precisión deel algoritmo, hasta un máximo de alrededor del 90%.
"Para mantener bajo el consumo de energía a medida que la IA se integra cada vez más en la vida diaria, necesitamos un hardware más especializado para manejar estas tareas de manera eficiente", explica el autor principal Masaharu Kobayashi.
Este trabajo es un paso importante hacia el "internet de las cosas", en el que muchos pequeños dispositivos habilitados para IA se comunican como parte de un "hogar inteligente" integrado.
Fuente de la historia :
Materiales proporcionado por Instituto de Ciencias Industriales, Universidad de Tokio . Nota: El contenido puede ser editado por estilo y longitud.
Cita esta página :