<

Pembelajaran Mendalam Analog Menawarkan Komputasi AI Lebih Cepat Dengan Konsumsi Energi Lebih Rendah, Peneliti MIT Mengatakan

[ad_1]

Jumlah waktu, tenaga, dan uang yang dibutuhkan untuk melatih model jaringan saraf yang semakin kompleks melonjak saat para peneliti mendorong batas pembelajaran mesin. Pembelajaran mendalam analog, cabang baru kecerdasan buatan, menjanjikan komputasi yang lebih cepat dengan konsumsi energi yang lebih sedikit.

Temuan penelitian tersebut dipublikasikan dalam jurnal ‘Science’. Resistor yang dapat diprogram adalah blok bangunan utama dalam pembelajaran mendalam analog, sama seperti transistor adalah elemen inti untuk prosesor digital. Dengan mengulangi susunan resistor yang dapat diprogram dalam lapisan yang kompleks, peneliti dapat membuat jaringan “neuron” dan “sinapsis” buatan analog yang menjalankan komputasi seperti jaringan saraf digital.

Jaringan ini kemudian dapat dilatih untuk mencapai kompleks AI tugas seperti pengenalan gambar dan pemrosesan bahasa alami.

Sebuah tim multidisiplin peneliti MIT berangkat untuk mendorong batas kecepatan dari jenis sinaps analog buatan manusia yang telah mereka kembangkan sebelumnya. Mereka menggunakan bahan anorganik praktis dalam proses fabrikasi yang memungkinkan perangkat mereka berjalan 1 juta kali lebih cepat dari versi sebelumnya, yang juga sekitar 1 juta kali lebih cepat daripada sinapsis di otak manusia.

Selain itu, bahan anorganik ini juga membuat resistor sangat hemat energi. Tidak seperti bahan yang digunakan dalam versi perangkat mereka sebelumnya, bahan baru ini kompatibel dengan teknik fabrikasi silikon. Perubahan ini telah memungkinkan perangkat fabrikasi pada skala nanometer dan dapat membuka jalan untuk integrasi ke perangkat keras komputasi komersial untuk aplikasi pembelajaran mendalam.

“Dengan wawasan utama itu, dan teknik fabrikasi nano yang sangat kuat yang kami miliki di MIT.nano, kami telah mampu menyatukan bagian-bagian ini dan menunjukkan bahwa perangkat ini secara intrinsik sangat cepat dan beroperasi dengan voltase yang wajar,” kata penulis senior Jesus A. del Alamo, Profesor Donner di Departemen Teknik Elektro dan Ilmu Komputer (EECS) MIT. “Pekerjaan ini benar-benar menempatkan perangkat ini pada titik di mana mereka sekarang terlihat sangat menjanjikan untuk aplikasi masa depan.”

“Mekanisme kerja perangkat ini adalah penyisipan elektrokimia dari ion terkecil, proton, ke dalam oksida isolasi untuk memodulasi konduktivitas elektroniknya. Karena kami bekerja dengan perangkat yang sangat tipis, kami dapat mempercepat gerakan ion ini dengan menggunakan kuat medan listrik dan mendorong perangkat ionik ini ke rezim operasi nanodetik,” jelas penulis senior Bilge Yildiz, Profesor Breene M. Kerr di departemen Ilmu dan Teknik Nuklir dan Ilmu dan Teknik Material.

“Potensial aksi dalam sel biologis naik dan turun dengan skala waktu milidetik karena perbedaan tegangan sekitar 0,1 volt dibatasi oleh stabilitas air,” kata penulis senior Ju Li, Profesor Ilmu dan Teknik Nuklir Aliansi Energi Battelle dan profesor. dari ilmu dan teknik material, “Di sini kami menerapkan hingga 10 volt pada kaca film padat khusus dengan ketebalan skala nano yang menghantarkan proton, tanpa merusaknya secara permanen. Dan semakin kuat medannya, semakin cepat perangkat ioniknya.”

Resistor yang dapat diprogram ini sangat meningkatkan kecepatan pelatihan jaringan saraf, sekaligus secara drastis mengurangi biaya dan energi untuk melakukan pelatihan itu. Ini dapat membantu para ilmuwan mengembangkan model pembelajaran mendalam lebih cepat, yang kemudian dapat diterapkan dalam penggunaan seperti mobil yang dapat mengemudi sendiri, deteksi penipuan, atau analisis citra medis.

“Begitu Anda memiliki prosesor analog, Anda tidak akan lagi melatih jaringan yang sedang dikerjakan orang lain. Anda akan melatih jaringan dengan kompleksitas yang belum pernah ada sebelumnya yang tidak dapat dilakukan oleh orang lain, dan oleh karena itu kinerjanya jauh melebihi semuanya. Dengan kata lain, ini adalah bukan mobil yang lebih cepat, ini adalah pesawat ruang angkasa,” tambah penulis utama dan postdoc MIT Murat Onen.


[ad_2]
<

About mukhlis.net

blogging and sharing

Leave a Reply

Your email address will not be published.