网站首页生活 > 正文

工程师开发基于磁隧道结的装置使人工智能更加节能

2024-07-29 11:18:52 生活来源：

导读明尼苏达大学双城分校的工程研究人员展示了一种最先进的硬件设备，它可以将人工智能 (AI) 计算应用的能耗降低至少 1,000 倍。这项研究...

明尼苏达大学双城分校的工程研究人员展示了一种最先进的硬件设备，它可以将人工智能 (AI) 计算应用的能耗降低至少 1,000 倍。

这项研究发表在《npj 非传统计算》杂志上，题为“基于磁隧道结的计算随机存取存储器的实验演示”。研究人员拥有该设备所用技术的多项专利。

随着对人工智能应用的需求不断增长，研究人员一直在寻找方法来创建更节能的流程，同时保持高性能和低成本。通常，机器或人工智能流程在逻辑(系统内处理信息的地方)和内存(存储数据的地方)之间传输数据，消耗大量的电力和能源。

明尼苏达大学科学与工程学院的一组研究人员展示了一种数据永远不会离开内存的新模型，称为计算随机存取存储器(CRAM)。

明尼苏达大学电气与计算机工程系博士后研究员、论文第一作者杨吕表示：“这项工作是 CRAM 的首次实验演示，其中数据可以完全在存储器阵列内处理，而无需离开计算机存储信息的网格。”

国际能源署(IEA)于2024年3月发布了全球能源使用预测，预测人工智能的能源消耗可能会从2022年的460太瓦时(TWh)增加一倍至2026年的1,000 TWh。这大致相当于日本整个国家的电力消耗。

据新论文作者称，基于 CRAM 的机器学习推理加速器估计可实现 1,000 量级的改进。另一个例子显示，与传统方法相比，能源节省了 2,500 倍和 1,700 倍。

这项研究已经进行了二十多年。

“我们 20 年前直接使用存储单元进行计算的最初想法被认为是疯狂的”，该论文的资深作者、明尼苏达大学电气与计算机工程系杰出麦克奈特教授兼 Robert F. Hartmann 主席王建平 (Jian-Ping Wang) 说道。

王说：“自 2003 年以来，随着学生群体的不断发展，以及明尼苏达大学建立起一支真正的跨学科教师团队——从物理学、材料科学与工程、计算机科学与工程到建模和基准测试以及硬件创建——我们能够取得积极的成果，现在已经证明这种技术是可行的，并且已经准备好融入技术中。”

版权说明： 本文由用户上传，如有侵权请联系删除！

标签：