Аналоговое глубокое обучение быстрее и энергоэффективнее, чем его цифровой аналог.
Аналоговое глубокое обучение, новая ветвь искусственного интеллекта, обещает более быстрые вычисления с меньшим потреблением энергии. Аналоговое глубокое обучение быстрее и энергоэффективнее, чем его цифровой аналог. При разработке приложений ИИ и вычислительных платформ для них может не учитываться альтернативная технология. Инженеры, работающие над аналоговым глубоким обучением, нашли способ перемещать протоны через твердые тела с беспрецедентной скоростью, при этом количество времени, усилий и денег, необходимых для обучения все более сложных моделей нейронных сетей, стремительно растет, поскольку исследователи раздвигают границы машинного обучения. Программируемые резисторы являются ключевыми строительными блоками аналогового глубокого обучения.
Аналоговое глубокое обучение обещает более быстрые вычисления с меньшим потреблением энергии:
Исследователи Массачусетского технологического института использовали практичный неорганический материал в процессе изготовления. Новый материал совместим с технологиями производства кремния и очень мощными технологиями нанопроизводства, которыми мы располагаем в MIT.nano. Эта работа поставила эти устройства в точку, где они теперь выглядят многообещающе для будущих приложений. Это может помочь ученым гораздо быстрее разрабатывать модели глубокого обучения.
Ключевой элемент новой технологии аналоговых процессоров Массачусетского технологического института известен как протонный программируемый резистор. Этот новый процессор увеличивает и уменьшает электрическую проводимость протонных резисторов, обеспечивая аналоговое машинное обучение. Чтобы разработать сверхбыстрый и высокоэффективный программируемый протонный резистор, исследователи искали различные материалы для электролита. Он закладывает основу для нового класса устройств памяти для алгоритмов глубокого обучения.
Они продемонстрировали эффективность этих программируемых резисторов, исследователи планируют модернизировать их для крупносерийного производства. Эта работа демонстрирует, что устройства памяти на основе протонов обеспечивают впечатляющую и удивительную скорость переключения и выносливость. Исследователи будут необходимы для инноваций в будущем. Путь вперед по-прежнему будет очень сложным, но в то же время очень захватывающим.
Больше популярных историй
- Ethereum Whales купили сиба-ину на колоссальную сумму в 3 миллиона долларов! Митинг на радаре?
- 10 лучших стартапов в области кибербезопасности, занимающих место в цифровом мире
- Metaverse — это будущее моды! Правда или ложь
- Покупка недвижимости в Метавселенной! Да, виртуальная недвижимость существует
- 10 лучших компаний, на которые можно подать заявку в качестве разработчика Web3 в 2022 году
- 10 лучших инструментов аналитики Hadoop, используемых в проектах больших данных в 2022 году
- Топ-10 криптобирж, которые сейчас увольняют своих сотрудников
- 10 лучших поставщиков услуг хостинга Python, на которых стоит обратить внимание в 2022 году
Сообщение «Аналоговое глубокое обучение обеспечивает более быстрые вычисления при меньшей энергии» впервые появилось на .
