Anlık Bildirim

Yeni mikro transistör, yapay zekanın enerji kullanımını yüzde 99 oranında azaltmakta

Yeni ayarlanabilir bir mikro transistör, yapay zeka makine öğrenimi görevlerini mevcut ekipmanın yalnızca yüzde biri kadar enerji tüketimiyle gerçekleştirebilir.
Yeni mikro transistör, yapay zekanın enerji kullanımını azaltıyor Tam Boyutta Gör
Yapay zeka makine öğrenim işlemi çok fazla bilgi işlem gücü ve enerji kullandığı için genellikle bu işlemler bulutta yapılır. Ancak bilim insanlarının geliştirdiği mevcut teknolojiden 100 kat daha verimli olan yeni bir mikro transistör, mobil ve giyilebilir cihazlara yeni zeka seviyeleri getirmeyi vaat ediyor.

Yeni mikro transistör, veri işleme zincirinde birden fazla adımda kullanılabilecek

Northwestern Üniversitesi'ndeki araştırmacıların birçok makine öğrenimi sisteminin omurgası olan sınıflandırma görevini gerçekleştirmek üzere tasarladıkları yeni transistör, silikondan yapılan mevcut transistörlerden biraz daha farklı. Çünkü bu yeni transistör iki boyutlu molibden disülfit tabakalarından ve tek boyutlu karbon nanotüplerden yapılıyor. Yapısı sayesinde ise bu yeni transistörler, geleneksel transistörlerin her birinin yalnızca bir adım gerçekleştirebildiği veri işleme zincirinde birden fazla adım için kullanılabilirler.

Yeni mikro transistör, yapay zekanın enerji kullanımını azaltıyor Tam Boyutta Gör
İki farklı malzemenin tek bir cihaza entegrasyonu, uygulanan voltajlarla akım akışını güçlü bir şekilde modüle edilmesine olanak tanıyarak dinamik yeniden yapılandırılabiliyor. Tek bir cihazda yüksek derecede ayarlanabilirliğe sahip olmak ise küçük bir ayak izi ve düşük enerji tüketimi ile karmaşık sınıflandırma algoritmaları gerçekleştirilmesine olanak sağlıyor.

Yapılan testlerde, bu küçük karışık çekirdekli heterojonksiyon transistörleri, halka açık EKG veri kümelerini analiz etmek ve altı farklı kalp atışı tipini etiketlemek üzere eğitildi. 10.000 EKG örneğinde araştırmacılar, mevcut makine öğrenimi yaklaşımının yüzden fazla geleneksel transistör gerektirdiğini açıkladı. Ancak bu mikro transistörlerden yalnızca ikisini kullanarak anormal kalp atışlarını %95 doğrulukla sınıflandırdılar ve enerjinin sadece yaklaşık %1'ini kullandılar.

Konu ile ilgili açıklama yapan Northwestern'den çalışmanın kıdemli yazarı Mark C. Hersam, "Günümüzde çoğu sensör veri topluyor ve ardından buluta gönderiyor; burada analiz, sonuçlar kullanıcıya geri gönderilmeden önce enerji tüketen sunucularda yapılıyor. Bu yaklaşım inanılmaz derecede pahalı, önemli miktarda enerji tüketiyor ve zaman gecikmesine neden oluyor. Cihazımız enerji açısından o kadar verimli ki, gerçek zamanlı algılama ve veri işleme için doğrudan giyilebilir elektroniklerde kullanılabiliyor ve sağlıkla ilgili acil durumlara daha hızlı müdahale edilmesini sağlıyor." ifadelerine yer verdi.

Bu haberi, mobil uygulamamızı kullanarak indirip,
istediğiniz zaman (çevrim dışı bile) okuyabilirsiniz:
DH Android Uygulamasını İndir DH iOS Uygulamasını İndir
Sorgu:

Editörün Seçtiği Sıcak Fırsatlar

Tavsiyelerimiz

Yeni Haber
şimdi
Geri Bildirim