Hacer que el procesamiento de big data sea más eficiente energéticamente utilizando circuitos magnéticos

Hacer que el procesamiento de big data sea más eficiente energéticamente utilizando circuitos magnéticos

Crédito: Universidad de Texas en Austin

La rápida progresión de la tecnología ha llevado a un gran aumento en el uso de energía para procesar los tesoros masivos de datos generados por los dispositivos. Pero los investigadores de la Escuela de Ingeniería Cockrell de la Universidad de Texas en Austin han encontrado una manera de hacer que la nueva generación de computadoras inteligentes sea más eficiente en términos de energía.

Tradicionalmente, los chips de silicio han formado los bloques de construcción de la infraestructura que alimenta las computadoras. Pero esta investigación utiliza componentes magnéticos en lugar de silicio y descubre nueva información sobre cómo la física de los componentes magnéticos puede reducir los costos de energía y los requisitos de los algoritmos de entrenamiento, redes neuronales que pueden pensar como humanos y hacer cosas como reconocer imágenes y patrones.

“En este momento, los métodos para entrenar sus redes neuronales son muy intensivos en energía”, dijo Jean Anne Incorvia, profesora asistente en el Departamento de Ingeniería Eléctrica e Informática de la Escuela Cockrell. “Lo que nuestro trabajo puede hacer es ayudar a reducir el esfuerzo de capacitación y los costos de energía”.

Los hallazgos de los investigadores fueron publicados esta semana en IOP Nanotecnología. Incorvia dirigió el estudio con el primer autor y estudiante de posgrado de segundo año Can Cui. Incorvia y Cui descubrieron que el espaciamiento de nanocables magnéticos, que actúan como neuronas artificiales, de cierta manera aumenta naturalmente la capacidad de las neuronas artificiales de competir entre sí, ganando las más activadas. Lograr este efecto, conocido como “inhibición lateral”, requiere tradicionalmente circuitos adicionales dentro de las computadoras, lo que aumenta los costos y requiere más energía y espacio.

Incorvia dijo que su método proporciona una reducción de energía de 20 a 30 veces la cantidad utilizada por un algoritmo de retropropagación estándar al realizar las mismas tareas de aprendizaje.

De la misma manera que los cerebros humanos contienen neuronas, las computadoras de la nueva era tienen versiones artificiales de estas células nerviosas integrales. La inhibición lateral ocurre cuando las neuronas que disparan más rápido son capaces de evitar que las neuronas más lentas disparen. En informática, esto reduce el uso de energía en el procesamiento de datos.

Incorvia explica que la forma en que operan las computadoras está cambiando fundamentalmente. Una tendencia importante es el concepto de computación neuromórfica, que consiste esencialmente en diseñar computadoras para pensar como cerebros humanos. En lugar de procesar tareas de una en una, estos dispositivos más inteligentes están destinados a analizar grandes cantidades de datos simultáneamente. Estas innovaciones han impulsado la revolución en el aprendizaje automático y la inteligencia artificial que ha dominado el panorama tecnológico en los últimos años.

Esta investigación se centró en las interacciones entre dos neuronas magnéticas y los resultados iniciales en las interacciones de múltiples neuronas. El siguiente paso consiste en aplicar los hallazgos a conjuntos más grandes de neuronas múltiples, así como la verificación experimental de sus hallazgos.


La neurociencia abre la caja negra de la inteligencia artificial.


Más información:
Can Cui et al, Inhibición lateral maximizada en pistas de carreras de pared de dominio magnético emparejado para computación neuromórfica, Nanotecnología (2020). DOI: 10.1088 / 1361-6528 / ab86e8

Proporcionado por
Universidad de Texas en Austin


Citación:
                                                 Hacer que el procesamiento de big data sea más eficiente energéticamente utilizando circuitos magnéticos (2020, 13 de abril)
                                                 Consultado el 13 de abril de 2020
                                                 de https://phys.org/news/2020-04-big-energy-efficient-magnetic-circuits.html

Este documento está sujeto a derechos de autor. Aparte de cualquier trato justo con fines de estudio o investigación privada, no
                                            parte puede ser reproducida sin el permiso por escrito. El contenido se proporciona únicamente con fines informativos.

Related Stories

DEJA UNA RESPUESTA

Por favor ingrese su comentario!
Por favor ingrese su nombre aquí