De snelle vooruitgang van de technologie heeft geleid tot een enorme toename van het energieverbruik om de enorme hoeveelheden gegevens die door apparaten worden gegenereerd, te verwerken. Maar onderzoekers van de Cockrell School of Engineering aan de Universiteit van Texas in Austin hebben een manier gevonden om de nieuwe generatie slimme computers energiezuiniger te maken.

traditioneel, siliciumchips hebben de bouwstenen gevormd van de infrastructuur die computers aandrijft. Maar dit onderzoek maakt gebruik van magnetische componenten in plaats van silicium en ontdekt nieuwe informatie over hoe de fysica van de magnetische componenten de energiekosten en de vereisten van trainingsalgoritmen kan verlagen - neurale netwerken die kunnen denken als mensen en dingen doen zoals het herkennen van afbeeldingen en patronen.

"Direct, de methoden voor het trainen van je neurale netwerken zijn erg energie-intensief, " zei Jean Anne Incorvia, een assistent-professor in de afdeling Electrical and Computer Engineering van de Cockrell School. "Wat ons werk kan doen, is de trainingsinspanning en energiekosten helpen verminderen."

De bevindingen van de onderzoekers werden deze week gepubliceerd in IOP Nanotechnologie . Incorvia leidde het onderzoek met eerste auteur en tweedejaars student Can Cui. Incorvia en Cui ontdekten dat het plaatsen van magnetische nanodraden, fungeren als kunstmatige neuronen, op bepaalde manieren verhoogt op natuurlijke wijze het vermogen van de kunstmatige neuronen om tegen elkaar te concurreren, waarbij de meest geactiveerde winnen. Om dit effect te bereiken, bekend als "laterale remming, " vereist traditioneel extra circuits in computers, wat de kosten verhoogt en meer energie en ruimte in beslag neemt.

Incorvia zei dat hun methode een energiereductie oplevert van 20 tot 30 keer de hoeveelheid die wordt gebruikt door een standaard back-propagation-algoritme bij het uitvoeren van dezelfde leertaken.

Op dezelfde manier waarop menselijke hersenen neuronen bevatten, computers uit het nieuwe tijdperk hebben kunstmatige versies van deze integrale zenuwcellen. Laterale inhibitie treedt op wanneer de neuronen die het snelst vuren in staat zijn om te voorkomen dat langzamere neuronen vuren. Bij informatica, dit vermindert het energieverbruik bij het verwerken van gegevens.

Incorvia legt uit dat de manier waarop computers werken fundamenteel verandert. Een belangrijke trend is het concept van neuromorphic computing, die in wezen computers ontwerpt om te denken als menselijke hersenen. In plaats van taken één voor één af te handelen, deze slimmere apparaten zijn bedoeld om enorme hoeveelheden gegevens tegelijk te analyseren. Deze innovaties hebben de revolutie in machine learning en kunstmatige intelligentie aangedreven die de afgelopen jaren het technologielandschap heeft gedomineerd.

Dit onderzoek richtte zich op interacties tussen twee magnetische neuronen en de eerste resultaten op interacties van meerdere neuronen. De volgende stap omvat het toepassen van de bevindingen op grotere sets van meerdere neuronen en experimentele verificatie van hun bevindingen.