导读 人工神经网络可能很快就能更有效地处理与时间相关的信息,例如音频和视频数据。密歇根大学领导的一项研究今天在《自然电子》杂志上报道了第...
人工神经网络可能很快就能更有效地处理与时间相关的信息,例如音频和视频数据。密歇根大学领导的一项研究今天在《自然电子》杂志上报道了第一个具有可调谐“弛豫时间”的忆阻器。
忆阻器是一种在电阻中存储信息的电子元件,与当今的图形处理单元相比,它可以将人工智能的能源需求减少约 90 倍。预计到 2027 年,人工智能将占全球总电力消耗的 0.5% 左右,而且随着越来越多的公司销售和使用人工智能工具,这一数字还有可能激增。
“目前,人们对人工智能很感兴趣,但要处理更大、更有趣的数据,方法是增加网络规模。这不是很有效,”密歇根大学詹姆斯·R·梅勒 (James R. Mellor) 工程教授卢伟 (Wei Lu) 说该研究的共同通讯作者是密歇根大学材料科学与工程系副教授 John Heron。
问题在于,GPU 的运行方式与运行 AI 算法的人工神经网络截然不同——整个网络及其所有交互都必须从外部存储器按顺序加载,这既耗时又耗能。相比之下,忆阻器可以节省能源,因为它们模仿了人工和生物神经网络在没有外部存储器的情况下运行的关键方面。在一定程度上,忆阻器网络可以体现人工神经网络。
“我们预计,在不改变时间常数的情况下,我们全新的材料系统可以将人工智能芯片的能源效率比最先进的材料提高六倍,”最近获得密歇根大学博士学位的 Sieun Chae 说道。材料科学与工程专业的毕业生,与最近获得密歇根大学博士学位的 Sangmin Yoo 是该研究的共同第一作者。电气和计算机工程专业毕业生。
标签:
免责声明:本文由用户上传,如有侵权请联系删除!