Memperkenalkan perangkat keras yang lebih efisien dan berkelanjutan untuk aplikasi AI dan ML — ScienceDaily
Top Technology

Memperkenalkan perangkat keras yang lebih efisien dan berkelanjutan untuk aplikasi AI dan ML — ScienceDaily

Sementara AI sering dianggap oleh publik untuk berafiliasi dengan perangkat lunak, para peneliti di Laboratorium Bahan dan Perangkat Nanoskala Han Wang di USC Ming Hsieh Departemen Teknik Elektro dan Komputer dan Departemen Kimia Keluarga Mork, fokus pada peningkatan AI dan kinerja pembelajaran mesin. melalui perangkat keras. Laboratorium, yang pekerjaannya terkonsentrasi pada komputasi neuromorfik atau komputasi yang diilhami otak, memiliki penelitian baru yang memperkenalkan peningkatan perangkat keras dengan memanfaatkan kualitas yang dikenal sebagai “keacakan” atau “stochasticity.” Penelitian mereka sekarang diterbitkan di Komunikasi alam, bertentangan dengan persepsi keacakan sebagai kualitas yang akan berdampak negatif pada hasil komputasi dan menunjukkan pemanfaatan fitur stokastik yang dikontrol dengan baik dalam perangkat semikonduktor untuk meningkatkan kinerja optimasi.

Di otak, keacakan memainkan peran penting dalam pemikiran atau perhitungan manusia. Ia lahir dari miliaran neuron yang melonjak sebagai respons terhadap rangsangan input dan menghasilkan banyak sinyal yang mungkin relevan atau tidak relevan. Proses pengambilan keputusan mungkin adalah contoh terbaik yang dipelajari tentang bagaimana otak kita memanfaatkan keacakan. Hal ini memungkinkan otak untuk mengambil jalan memutar dari pengalaman masa lalu dan mengeksplorasi solusi baru ketika membuat keputusan, terutama untuk situasi yang menantang dan tak terduga.

“Neuron menunjukkan perilaku stokastik, yang dapat membantu fungsi komputasi tertentu” kata seorang mahasiswa PhD USC Jiahui Ma dan penulis utama Xiaodong Yan (keduanya sama-sama berkontribusi sebagai penulis pertama). Tim ingin meniru neuron sebanyak mungkin dan merancang sirkuit untuk memecahkan masalah optimasi kombinatorial, yang merupakan salah satu tugas terpenting yang harus diselesaikan komputer.

Pemikirannya adalah agar komputer dapat melakukan ini secara efisien, mereka perlu berperilaku lebih seperti otak manusia (pada steroid super) dalam hal bagaimana mereka memproses rangsangan dan informasi, serta membuat keputusan.

Dalam istilah yang lebih sederhana, kita membutuhkan komputer untuk menemukan solusi terbaik di antara semua kemungkinan. Kata para peneliti, “Keacakan yang diperkenalkan pada perangkat baru yang ditunjukkan dalam pekerjaan ini dapat mencegahnya terjebak pada solusi yang tidak begitu layak, dan sebaliknya terus mencari sampai menemukan hasil yang mendekati optimal.” Ini sangat penting untuk masalah pengoptimalan, kata penulis terkait Profesor Wang, “Jika seseorang dapat secara dinamis menyetel fitur keacakan, mesin untuk melakukan pengoptimalan dapat bekerja lebih efisien seperti yang kita inginkan.”

Para peneliti mencapai “penyetelan” dinamis ini dengan menciptakan perangkat khusus, sebuah hetero-memristor. Tidak seperti transistor yang merupakan sakelar logika di dalam chip komputer biasa, hetero-memristor menggabungkan memori dan komputasi bersama. Memristor telah dikembangkan sebelumnya, biasanya dengan struktur dua terminal. Inovasi tim Viterbi adalah menambahkan terminal listrik ketiga dan memodulasi tegangannya untuk mengaktifkan perangkat mirip neuron dan secara dinamis menyetel fitur stokastik dalam outputnya, seperti halnya memanaskan panci air dan secara dinamis menyesuaikan suhu untuk mengontrol aktivitas molekul air, sehingga memungkinkan apa yang disebut “pendinginan” simulasi. Ini memberikan tingkat kontrol yang tidak dimiliki memristor sebelumnya.

Para peneliti mengatakan, “Metode ini mengemulasi sifat stokastik dari aktivitas neuron.” Faktanya, aktivitas neuron dianggap acak, tetapi mungkin mengikuti pola probabilitas tertentu. Hetero-memristor yang mereka kembangkan memperkenalkan keacakan yang diatur probabilitas tersebut ke dalam sirkuit komputasi neuromorfik dengan penyetelan yang dapat dikonfigurasi ulang dari properti stokastik intrinsik perangkat.

Dengan demikian, ini merupakan blok bangunan yang lebih canggih untuk membuat komputer yang dapat mengatasi masalah pengoptimalan yang canggih, yang berpotensi menjadi lebih efisien. Terlebih lagi mereka dapat mengkonsumsi lebih sedikit daya.

Tim peneliti lengkap termasuk Xiaodong Yan, Jiahui, Ma Tong Wu, Aoyang Zhang, Jiangbin Wu, Matthew Chin, Zhihan Zhang, Madan Dubey, Wei Wu, Mike Shuo-Wei Chen, Jing Guo, & Han Wang.

Penelitian dilakukan bekerjasama dengan Army Research Laboratory, University of Florida dan Georgia Tech.

Sumber Cerita:

Materi disediakan oleh Universitas California Selatan. Asli ditulis oleh Amy Blumenthal. Catatan: Konten dapat diedit untuk gaya dan panjangnya.

Posted By : togel hari ini hongkong yang keluar