Redes neuronales mejoradas para un IoT más inteligente con eficiencia en el borde de la red

MadridLa inteligencia artificial (IA) y el Internet de las Cosas (IoT) están avanzando rápidamente y pueden trabajar juntas para mejorar la tecnología. Sin embargo, usar IA en dispositivos IoT es complicado debido a la limitada capacidad de procesamiento y memoria de estos dispositivos. Las redes neuronales artificiales (RNA) son efectivas pero consumen muchos recursos. Los investigadores Profesor Takayuki Kawahara y el Sr. Yuya Fujiwara de la Universidad de Ciencias de Tokio están desarrollando redes neuronales binarizadas (BNN) que permiten utilizar IA en estos dispositivos de manera eficiente sin comprometer el rendimiento.

Los BNN están diseñados para utilizar menos potencia de cálculo mediante el uso de pesos y activaciones binarias. Kawahara y Fujiwara han mejorado este concepto con un nuevo método de entrenamiento denominado Ternarized Gradient BNN (TGBNN), que emplea gradientes de tres niveles durante el entrenamiento, manteniendo los pesos y activaciones binarios. Esta técnica es innovadora por varias razones.

• Emplea técnicas avanzadas de Estimador de Paso Directo (STE) para mejorar el control en la retropropagación de gradientes.
• Utiliza puertas lógicas XNOR basadas en uniones túnel magnéticas para un almacenamiento de memoria más eficiente.
• Adopta un enfoque de actualización de parámetros probabilísticos, utilizando celdas MRAM para gestionar los datos de manera más efectiva.

Estos avances tecnológicos hacen que los dispositivos en el borde sean más inteligentes y mejoren su capacidad para aprender y adaptarse con el tiempo. La configuración computación en memoria (CiM) que desarrollaron utiliza menos espacio de circuitos y energía. Realiza cálculos directamente en los componentes de memoria en lugar de usar procesadores tradicionales. Las celdas MRAM, que emplean torque de spin-orbit y anisotropía magnética controlada por voltaje, ofrecen una forma más compacta y eficiente de almacenar y actualizar datos.

Lea también:

Ayer · 23:24

Avance en nanotecnología: nueva era para la carga rápida y biosensores más precisos

Esta innovación tiene un gran impacto. Los dispositivos IoT podrían funcionar de manera autónoma, realizando tareas complejas como el reconocimiento de imágenes o el análisis de datos sin depender siempre de la nube. Esto podría ser beneficioso en áreas como la salud, donde los dispositivos portátiles ofrecen retroalimentación inmediata a los usuarios, o en la automatización del hogar, donde los hogares inteligentes se vuelven más intuitivos y receptivos.

La combinación de la IA y la tecnología edge es fundamental a medida que los sistemas IoT se expanden. El trabajo de Kawahara y Fujiwara demuestra cómo los dispositivos edge del futuro podrían participar activamente en redes inteligentes, en lugar de solo recopilar datos. Su investigación representa un avance crucial hacia la creación de un mundo IoT eficiente y sostenible, donde los dispositivos funcionen de manera integrada.