Analogue Deep Learning Offers Faster, Efficient AI Computation, Experts Say

[ad_1]

जैसे-जैसे शोधकर्ता मशीन लर्निंग की सीमाओं को आगे बढ़ाते हैं, वैसे-वैसे जटिल तंत्रिका नेटवर्क मॉडल को प्रशिक्षित करने के लिए आवश्यक समय, प्रयास और धन की मात्रा बढ़ रही है। एनालॉग डीप लर्निंग, आर्टिफिशियल इंटेलिजेंस की एक नई शाखा, कम ऊर्जा खपत के साथ तेजी से गणना का वादा करती है।

शोध के निष्कर्ष ‘साइंस’ पत्रिका में प्रकाशित हुए थे। प्रोग्रामेबल रेसिस्टर्स एनालॉग डीप लर्निंग में प्रमुख बिल्डिंग ब्लॉक्स हैं, जैसे ट्रांजिस्टर डिजिटल प्रोसेसर के लिए मुख्य तत्व हैं। जटिल परतों में प्रोग्राम करने योग्य प्रतिरोधों के सरणियों को दोहराकर, शोधकर्ता एनालॉग कृत्रिम “न्यूरॉन्स” और “सिनेप्स” का एक नेटवर्क बना सकते हैं जो एक डिजिटल तंत्रिका नेटवर्क की तरह ही संगणना निष्पादित करते हैं।

इस नेटवर्क को तब जटिल प्राप्त करने के लिए प्रशिक्षित किया जा सकता है छवि पहचान और प्राकृतिक भाषा प्रसंस्करण जैसे कार्य।

एमआईटी शोधकर्ताओं की एक बहु-विषयक टीम ने एक प्रकार के मानव-निर्मित एनालॉग सिनैप्स की गति सीमा को आगे बढ़ाने के लिए निर्धारित किया, जिसे उन्होंने पहले विकसित किया था। उन्होंने निर्माण प्रक्रिया में एक व्यावहारिक अकार्बनिक सामग्री का उपयोग किया जो उनके उपकरणों को पिछले संस्करणों की तुलना में 1 मिलियन गुना तेजी से चलाने में सक्षम बनाता है, जो मानव मस्तिष्क में सिनेप्स की तुलना में लगभग 1 मिलियन गुना तेज है।

इसके अलावा, यह अकार्बनिक सामग्री प्रतिरोधक को अत्यधिक ऊर्जा-कुशल भी बनाती है। उनके उपकरण के पुराने संस्करण में प्रयुक्त सामग्री के विपरीत, नई सामग्री सिलिकॉन निर्माण तकनीकों के अनुकूल है। इस परिवर्तन ने नैनोमीटर पैमाने पर उपकरणों को बनाने में सक्षम बनाया है और गहन-सीखने वाले अनुप्रयोगों के लिए वाणिज्यिक कंप्यूटिंग हार्डवेयर में एकीकरण का मार्ग प्रशस्त कर सकता है।

वरिष्ठ लेखक जीसस ए. डेल अलामो, एमआईटी के इलेक्ट्रिकल इंजीनियरिंग और कंप्यूटर विज्ञान विभाग (ईईसीएस) में डोनर प्रोफेसर। “इस काम ने वास्तव में इन उपकरणों को उस बिंदु पर रखा है जहां वे अब भविष्य के अनुप्रयोगों के लिए वास्तव में आशाजनक दिखते हैं।”

“डिवाइस का कार्य तंत्र इसकी इलेक्ट्रॉनिक चालकता को संशोधित करने के लिए एक इन्सुलेटिंग ऑक्साइड में सबसे छोटे आयन, प्रोटॉन का विद्युत रासायनिक सम्मिलन है। क्योंकि हम बहुत पतले उपकरणों के साथ काम कर रहे हैं, हम एक मजबूत का उपयोग करके इस आयन की गति को तेज कर सकते हैं विद्युत क्षेत्र और इन आयनिक उपकरणों को नैनोसेकंड ऑपरेशन शासन में धकेलें,” वरिष्ठ लेखक बिल्ज यिल्डिज़, न्यूक्लियर साइंस एंड इंजीनियरिंग और मैटेरियल्स साइंस एंड इंजीनियरिंग के विभागों में ब्रीन एम। केर प्रोफेसर ने समझाया।

परमाणु विज्ञान और इंजीनियरिंग के बैटल एनर्जी एलायंस प्रोफेसर और प्रोफेसर के वरिष्ठ लेखक जू ली ने कहा, “जैविक कोशिकाओं में क्रिया क्षमता मिलीसेकंड के समय के साथ बढ़ती और गिरती है क्योंकि लगभग 0.1 वोल्ट का वोल्टेज अंतर पानी की स्थिरता से बाधित होता है।” सामग्री विज्ञान और इंजीनियरिंग के, “यहां हम नैनोस्केल मोटाई की एक विशेष ठोस ग्लास फिल्म में 10 वोल्ट तक लागू होते हैं जो प्रोटॉन को स्थायी रूप से नुकसान पहुंचाए बिना संचालित करता है। और क्षेत्र जितना मजबूत होगा, आयनिक डिवाइस उतना ही तेज़ होगा।”

ये प्रोग्राम करने योग्य प्रतिरोधक उस गति को काफी बढ़ा देते हैं जिस पर एक तंत्रिका नेटवर्क को प्रशिक्षित किया जाता है, जबकि उस प्रशिक्षण को करने के लिए लागत और ऊर्जा को काफी कम कर देता है। यह वैज्ञानिकों को गहन शिक्षण मॉडल को और अधिक तेज़ी से विकसित करने में मदद कर सकता है, जिसे तब सेल्फ-ड्राइविंग कारों, धोखाधड़ी का पता लगाने, या चिकित्सा छवि विश्लेषण जैसे उपयोगों में लागू किया जा सकता है।

“एक बार आपके पास एक एनालॉग प्रोसेसर हो जाने के बाद, आप अब प्रशिक्षण नेटवर्क नहीं होंगे जिस पर बाकी सभी काम कर रहे हैं। आप अभूतपूर्व जटिलताओं वाले नेटवर्क होंगे जो कोई और बर्दाश्त नहीं कर सकता है, और इसलिए उन सभी को काफी बेहतर प्रदर्शन करता है। दूसरे शब्दों में, यह है तेज कार नहीं, यह एक अंतरिक्ष यान है,” प्रमुख लेखक और एमआईटी पोस्टडॉक मूरत ओनन ने कहा।


[ad_2]

Source link

Related Articles

Leave a Reply

Your email address will not be published. Required fields are marked *

Back to top button