به گزارش خبرگزاری ایمنا، پژوهشگران دانشگاه تگزاس در آستین با همکاری شرکت تولیدکننده تراشه TSMC، فناوری جدیدی به نام SOT-MRAM را برای کاربردهای هوش مصنوعی آزمایش کردهاند؛ حافظهای مغناطیسی که حتی پس از قطع برق نیز اطلاعات را حفظ میکند و میتواند نسبت به برخی فناوریهای حافظه، سرعت بالاتر و مصرف انرژی کمتری داشته باشد.
SOT-MRAM نوعی حافظه دسترسی تصادفی مغناطیسی است که اطلاعات را با استفاده از ویژگیهای مغناطیسی ذخیره میکند. پژوهشگران تراشههای مبتنی بر این فناوری را در چند وظیفه مرتبط با هوش مصنوعی، از جمله استنتاج شبکههای عصبی، آموزش شبکههای عصبی دودویی و مدلسازی احتمالاتی گراف آزمایش کردند.
نتایج نشان داد هر عملیات نوشتن داده در این حافظه تنها ۲ نانوثانیه زمان میبرد و حدود ۲ پیکوجول انرژی مصرف میکند. در مقابل، برخی فناوریهای حافظه دیگر برای انجام عملیات مشابه ممکن است پنج برابر تا صدها برابر زمان بیشتری نیاز داشته باشند و انرژی مصرفی آنها نیز به صدها پیکوجول یا بیشتر برسد.
پژوهشگران معتقدند افزایش بهرهوری حافظه میتواند به کاهش مصرف انرژی سامانههای هوش مصنوعی کمک کند، بهویژه در دستگاههایی که منابع پردازشی و انرژی محدودی دارند.
ژان آن اینکوریا، از اعضای هیئت علمی دانشکده مهندسی دانشگاه تگزاس، اظهار کرد شتابدهندههای هوش مصنوعی مبتنی بر SOT-MRAM میتوانند در آینده جایگزین برخی شتابدهندههای مبتنی بر پردازنده مرکزی در دستگاههای لبه شوند.
برای نمونه، یک دست رباتیک مجهز به حسگر حرارتی میتواند با استفاده از هوش مصنوعی محلی، بدون ارسال مداوم داده به مراکز داده ابری، درباره واکنش مناسب تصمیمگیری کند و تنها در مواقع نیاز به پردازشهای دقیقتر به زیرساختهای مبتنی بر پردازنده گرافیکی متصل شود.
پژوهشگران در گام بعدی قصد دارند ویژگیهای مؤثر بر سرعت و بهرهوری این تراشهها را بهبود دهند و اختلاف عملکرد میان قطعات مختلف را کاهش دهند؛ عاملی که میتواند بر دقت شبکههای عصبی تأثیر بگذارد.
نظر شما