Ahorro de energía significativo del hardware neuromórfico – ScienceDaily

Ahorro de energía significativo del hardware neuromórfico – ScienceDaily


El Instituto de Ciencias de la Computación Teórica de la Universidad Tecnológica de Graz y los Laboratorios Intel demostraron experimentalmente por primera vez que una gran red neuronal puede procesar secuencias como oraciones mientras consume de cuatro a dieciséis veces menos energía en hardware neuromórfico que en hardware no neuromórfico. La nueva investigación se basa en el chip de investigación neuromórfico Loihi de Intel Labs, que utiliza conocimientos de la neurociencia para crear chips que funcionan de manera similar al cerebro biológico.

La investigación fue financiada por Human Brain Project (HBP), uno de los proyectos de investigación más grandes del mundo con más de 500 científicos e ingenieros de toda Europa que estudian el cerebro humano. Los resultados de la investigación se publican en el artículo de investigación «Memoria para aplicaciones de IA en hardware neuromórfico basado en picos» (DOI 10.1038/s42256-022-00480-w), publicado en Naturaleza Máquina Inteligencia.

El cerebro humano como modelo

Las máquinas inteligentes y las computadoras inteligentes que pueden reconocer e inferir objetos de forma autónoma y las relaciones entre diferentes objetos son objeto de investigación mundial sobre inteligencia artificial (IA). El consumo de energía es un obstáculo importante en el camino hacia una aplicación más generalizada de tales métodos de IA. Se espera que la tecnología neuromórfica proporcione un impulso en la dirección correcta. La tecnología neuromórfica se basa en el cerebro humano, que utiliza la energía de una manera muy eficiente. Para procesar la información, sus cien mil millones de neuronas solo usan unos 20 vatios, no mucha más energía que la bombilla de bajo consumo promedio.

En investigación, el grupo se centró en algoritmos que funcionan con procesos temporales. Por ejemplo, el sistema debía responder preguntas sobre una historia previamente contada y captar las relaciones entre objetos o personas del contexto. El hardware probado constaba de 32 chips Loihi.

Chip de investigación Loihi: hasta dieciséis veces más eficiente energéticamente que el hardware no neuromórfico

«Nuestro sistema es de cuatro a dieciséis veces más eficiente energéticamente que otros modelos de IA en hardware convencional», dice Philipp Plank, estudiante de doctorado en el Instituto de Ciencias Informáticas Teóricas de la Universidad Técnica de Graz. Plank anticipa mayores eficiencias a medida que estos modelos migran a la próxima generación de hardware Loihi, lo que mejorará significativamente el rendimiento de la comunicación de chip a chip.

«Los chips de investigación Loihi de Intel prometen avances en IA, particularmente al reducir sus altos costos de energía», dijo Mike Davies, director del Laboratorio de Computación Neuromórfica de Intel. «Nuestro trabajo con la Universidad Tecnológica de Graz proporciona más evidencia de que la tecnología neuromórfica puede mejorar la eficiencia energética de las cargas de trabajo de aprendizaje profundo actuales al repensar su implementación desde una perspectiva biológica».

Imitando la memoria humana a corto plazo

El grupo simuló un mecanismo de memoria cerebral putativo en su red neuromórfica, como explica Wolfgang Maass, supervisor de doctorado de Philipp Plank en el Instituto de Ciencias Informáticas Teóricas: «Los estudios experimentales han demostrado que el cerebro humano puede almacenar información durante un período corto de tiempo, incluso sin actividad neuronal, es decir, en las llamadas «variables internas» de las neuronas. Las simulaciones sugieren que un mecanismo de fatiga de un subconjunto de neuronas es esencial para esta memoria a corto plazo”.

Falta evidencia directa porque estas cantidades internas aún no se pueden medir, pero significa que la red solo necesita probar qué neuronas están actualmente fatigadas para reconstruir qué información estaba procesando previamente. En otras palabras, la información previa se almacena en la inactividad de las neuronas, y la inactividad consume la menor cantidad de energía.

Simbiosis de red recurrente y feed-forward

Para ello, los investigadores vinculan dos tipos de redes de aprendizaje profundo. Las redes de retroalimentación neuronal son responsables de la «memoria a corto plazo». Muchos de estos llamados módulos recurrentes filtran información potencialmente relevante de la señal de entrada y la almacenan. Luego, una red de avance determina cuáles de las relaciones encontradas son muy importantes para resolver la tarea en cuestión. Las conexiones sin sentido se resuelven, las neuronas solo se activan en los módulos en los que se encontró información relevante. Este proceso conduce en última instancia al ahorro de energía.

«Se espera que las estructuras neuronales recurrentes ofrezcan los mayores beneficios para las aplicaciones que se ejecutan en hardware neuromórfico en el futuro», dijo Davies. «El hardware neuromórfico como Loihi es especialmente adecuado para permitir los patrones de actividad de red rápidos, escasos e impredecibles que observamos en el cerebro y que son necesarios para las aplicaciones de inteligencia artificial más eficientes».

Esta investigación fue apoyada financieramente por Intel y la Unión Europea Proyecto Cerebro Humano, conectar la neurociencia, la medicina y las tecnologías inspiradas en el cerebro en la UE. Con este fin, el proyecto está construyendo una infraestructura de investigación digital permanente EBRENOS. Este trabajo de investigación está anclado en los campos de especialización.humanos y biotecnologia y Información, Comunicación y Computacióndos de los cinco campos de especialización de la Universidad Tecnológica de Graz.

fuente de la historia:

Materiales proporcionados por Universidad Tecnológica de Graz. Escrito originalmente por Christoph Pelzl. Nota: El contenido se puede editar por estilo y longitud.

Related post

El programa interactivo de los científicos informáticos ayuda a planificar el movimiento para entornos con obstáculos – ScienceDaily

El programa interactivo de los científicos informáticos ayuda a…

Al igual que nosotros, los robots no pueden ver a través de las paredes. A veces necesitan un poco de ayuda…
Cómo empezar a utilizar un precio interno del carbono

Cómo empezar a utilizar un precio interno del carbono

A medida que las empresas trabajan para reducir las emisiones y lograr el cero neto, un precio interno del carbono se…
Nanotechnology Now – Comunicado de prensa: De afuera hacia adentro: Un método de evaluación celular general rápido y preciso: Investigadores del Instituto de Ciencia y Tecnología de Nara muestran que el uso de cuatro frecuencias de voltaje aplicado puede mejorar la medición del tamaño y la forma de las células durante la citometría de impedancia. es

Nanotechnology Now – Comunicado de prensa: De afuera hacia…

Inicio > Prensa > De afuera hacia adentro: un método rápido y preciso de evaluación celular general: Investigadores del Instituto de…

Leave a Reply

Tu dirección de correo electrónico no será publicada.