自媒体写作的 QRIES 方法论,初学者如何写出让人信服的好文章

由光和磁体控制的新型存储芯片有一天可能会使人工智能计算不再那么耗电

2024-11-02 16:00:00 英文原文

作者:Skyler WareSocial Links NavigationLive Science Contributor

A panel with many lit up circles and streaks of rainbow light
研究人员表示,磁光存储单元设计有一天可以减少人工智能计算场所需的能源。 (图片来源:Brian Long,加州大学圣巴巴拉分校)

研究人员开发出一种新型存储单元,它既可以存储信息,又可以进行高速、高效的计算。

研究人员 10 月 23 日在期刊上报道称,该存储单元使用户能够在存储阵列内运行高速计算自然光子学。更快的处理速度和低能耗有助于扩大数据中心的规模人工智能(人工智能)系统。

研究合著者表示:“我们投入了大量的力量和精力来扩大数据中心或计算场的规模,这些数据中心或计算场拥有数千个同时运行的 GPU [图形处理单元]”内森·杨布拉德匹兹堡大学的电气和计算机工程师告诉《生活科学》。“解决方案不一定是提高效率。只是购买越来越多的 GPU,花费越来越多的电量。因此,如果光学能够解决一些相同的问题,并且更高效、更快,那么希望能够降低功耗并提高机器学习系统的吞吐量。”

新单元利用磁场将入射光信号顺时针或逆时针引导通过环形谐振器(一种增强某些波长的光的组件)并进入两个输出端口之一。根据每个输出端口处的光强度,存储单元可以编码介于零和一之间或零和负一之间的数字。传统存储单元仅对一位信息中的 0 或 1 值进行编码,而新单元可以对多个非整数值进行编码,从而使其每个单元最多可存储 3.5 位。

有关的:新型“拍比特级”光盘可存储相当于 15,000 张 DVD 的信息

那些逆时针和顺时针的信号灯就像“跑道上的两个赛跑者,绕着跑道向相反的方向奔跑,风总是一个面向另一个的背面。一个可以比另一个跑得快,”Youngblood 说。“你正在比较这两个跑步者绕跑道跑步的速度,这使你基本上可以编码正数和负数。”

围绕环形谐振器的竞赛产生的数字可用于加强或削弱人工神经网络中节点之间的连接,人工神经网络是机器学习算法,以类似于人脑的方式处理数据。Youngblood 说,这可以帮助神经网络识别图像中的物体。

将世界上最迷人的发现直接发送到您的收件箱。

与传统计算机在中央处理单元中进行计算然后将结果发送到存储器不同,新的存储器单元在存储器阵列本身内部执行高速计算。Youngblood 表示,内存计算对于人工智能等需要快速处理大量数据的应用程序特别有用。

研究人员还证明了磁光细胞的耐用性。研究人员写道,他们在单元上运行了超过 20 亿次写入和擦除周期,没有观察到任何性能下降,这比过去的光子存储技术提高了 1,000 倍。典型的闪存驱动器的写入和擦除次数限制在 10,000 到 100,000 次之间循环,杨布拉德说。

未来,Youngblood 和他的同事希望将多个细胞放入计算机芯片上,并尝试更先进的计算。

Youngblood 表示,最终,这项技术可以帮助减少运行人工智能系统所需的电量。

Skyler Ware 是一名自由科学记者,报道化学、生物学、古生物学和地球科学。她是《科学新闻》2023 年 AAAS 大众媒体科学与工程研究员。她的作品还出现在 Science News Explores、ZME Science 和 Chembites 等杂志上。斯凯勒拥有博士学位。加州理工学院化学博士。

关于《由光和磁体控制的新型存储芯片有一天可能会使人工智能计算不再那么耗电》的评论


暂无评论

发表评论