Вчені розробили чіп AI із вражаючою енергоефективністю

Новий чіп зі штучним інтелектом потенційно може збільшити енергоефективність у шість разів, вирівнюючи обчислення та зберігання даних у спосіб, подібний до біологічних нейронних мереж, і значно зменшуючи електричний слід ШІ.

Дослідник з Інженерного коледжу Університету штату Орегон зробив внесок у розробку нового чіпа штучного інтелекту, який може похвалитися підвищенням енергоефективності в шість разів порівняно з поточним галузевим стандартом.

Оскільки використання штучного інтелекту стрімко зростає, зростає і кількість енергії, яка йому потрібна. Прогнози показують, що до 2027 року на штучний інтелект припадатиме пів відсотка світового енергоспоживання, щороку споживатиме стільки енергії, скільки вся країна Нідерландів.

Сьєун Чае, доцент кафедри електротехніки та інформатики, працює над тим, щоб допомогти зменшити викиди електроенергії цією технологією. Вона досліджує мікросхеми на основі нової матеріальної платформи, яка дозволяє як обчислювати, так і зберігати дані, імітуючи те, як біологічні нейронні мережі обробляють зберігання та обробку інформації.

Результати її досліджень нещодавно були опубліковані в журналі Nature Electronics.

Ефективна обробка ШІ

«З появою штучного інтелекту комп’ютери змушені швидко обробляти та зберігати великі обсяги даних», — сказав Че. «Чіпи штучного інтелекту призначені для обчислення завдань у пам’яті, що мінімізує переміщення даних між пам’яттю та процесором; таким чином, вони можуть виконувати завдання ШІ з більшою енергоефективністю».

Мікросхеми містять компоненти, які називаються мемристорами – скорочення від резисторів пам’яті. Більшість мемристорів виготовлені з простої матеріальної системи, що складається з двох елементів, але ті, що в цьому дослідженні, мають нову матеріальну систему, відому як ентропійно-стабілізовані оксиди (ESO). Понад пів дюжини елементів складають ESO, що дозволяє точно налаштувати їх можливості пам’яті.

Мемристори подібні до біологічних нейронних мереж, оскільки жодна з них не має зовнішнього джерела пам’яті, тому енергія не втрачається на переміщення даних ізсередини назовні та назад. Завдяки оптимізації складу ESO , який найкраще підходить для конкретних завдань штучного інтелекту, чіпи на основі ESO можуть виконувати завдання з набагато меншим енергоспоживанням, ніж центральний процесор комп’ютера, сказав Чае.

Ще один результат полягає в тому, що штучні нейронні мережі зможуть обробляти інформацію, яка залежить від часу, наприклад дані для аудіо та відео, завдяки налаштуванню складу ESO, щоб пристрій міг працювати в різних масштабах часу.