Nova tecnologia de semicondutores impulsiona eficiência no treinamento de IA
São PauloUma equipe de pesquisa da POSTECH e da Universidade da Coreia aprimorou a computação em IA utilizando hardware analógico. Eles demonstraram que dispositivos de Memória de Acesso Aleatório Eletroquímica (ECRAM) podem aumentar o desempenho da IA. Este avanço busca superar as limitações do hardware digital tradicional, como CPUs e GPUs, que enfrentam dificuldades para escalar aplicações de IA.
Principais Características da Nova Tecnologia:
- Hardware analógico utiliza uma estrutura de matriz de pontos cruzados para processamento paralelo.
- Dispositivos ECRAM gerenciam a condutividade elétrica através do movimento de íons.
- A tecnologia apresenta uma estrutura de três terminais para operação de baixo consumo de energia.
- A equipe de pesquisa fabricou com sucesso uma matriz ECRAM de 64×64.
Um estudo publicado na Science Advances revela que dispositivos ECRAM organizados em uma grade de 64×64 apresentam excelente desempenho elétrico e capacidades de comutação. Eles também demonstraram altas taxas de sucesso e consistência. Isso é significativo, já que arranjos anteriores possuíam apenas 10×10. Utilizando o avançado algoritmo Tiki-Taka, eles melhoraram a precisão no treinamento de redes neurais de IA.
Uma parte crucial desta pesquisa é como o hardware mantém o "peso", garantindo a precisão do aprendizado sem sobrecarregar a rede neural. Diferente da memória de semicondutores comum, o sistema de três partes do ECRAM para leitura e escrita de dados é mais eficiente e consome menos energia. Isso é especialmente relevante para aplicações comerciais, onde a economia de energia é fundamental.
Essa pesquisa pode ter um impacto notável na computação de IA. O hardware analógico permite o processamento paralelo, algo que o hardware digital não faz com a mesma eficiência. Isso é especialmente vantajoso para tarefas que requerem processamento contínuo de dados. A tecnologia pode resultar em avanços em várias áreas da IA, incluindo IA generativa e modelos de aprendizado de máquina mais eficientes.
O apoio do Ministério do Comércio, Indústria e Energia e de outros grupos destaca a relevância desta pesquisa para o desenvolvimento de tecnologia industrial e semicondutores. Hardware analógico projetado para IA pode revolucionar a indústria ao oferecer uma maneira mais escalável e eficiente de realizar cálculos de IA.
O uso bem-sucedido de dispositivos ECRAM em larga escala demonstra seu potencial para uso comercial, sugerindo que o hardware analógico pode oferecer vantagens sobre soluções digitais no treinamento e em tarefas de IA. Esse avanço não só impulsiona a tecnologia, mas também cria novas formas de aprimorar as capacidades da IA de maneira eficiente.
O estudo é publicado aqui:
http://dx.doi.org/10.1126/sciadv.adl3350e sua citação oficial - incluindo autores e revista - é
Kyungmi Noh, Hyunjeong Kwak, Jeonghoon Son, Seungkun Kim, Minseong Um, Minil Kang, Doyoon Kim, Wonjae Ji, Junyong Lee, HwiJeong Jo, Jiyong Woo, Hyung-Min Lee, Seyoung Kim. Retention-aware zero-shifting technique for Tiki-Taka algorithm-based analog deep learning accelerator. Science Advances, 2024; 10 (24) DOI: 10.1126/sciadv.adl335019 de novembro de 2024 · 20:02
IA eficiente ao alcance: modelos de linguagem otimizados para dispositivos móveis
18 de novembro de 2024 · 09:36
Estudo preciso do comportamento de camundongos com menos animais graças à IA inovadora
18 de novembro de 2024 · 07:24
AI revoluciona cirurgias ao identificar tumores cerebrais rapidamente com FastGlioma: avanço promissor na medicina
Compartilhar este artigo