Исследователи IBM создали компьютер с новой архитектурой для увеличения эффективности машинного обучения
Новости Отредактировано
Компьютер имеет трёхуровневую структуру на основе модели человеческого мозга и работает с ИИ до 200 раз эффективнее по сравнению с обычным компьютером.
931 открытий941 показов
Учёные из IBM опубликовали исследование о тестировании новой архитектуры компьютера для машинного обучения. Её структура на основе модели человеческого мозга состоит из трёх уровней. Согласно данным исследователей, устройство на новой архитектуре эффективнее обычных компьютеров для исследований с участием ИИ в 200 раз.
Особенности архитектуры
Абу Себастиан, один из участников группы, заявил, что выполнение вычислительных задач в памяти компьютера поможет сэкономить энергию и увеличить эффективность.
Архитектура компьютера разделена из три уровня:
- Первый уровень. Динамическая память необходима для вычислений подобно процессам запоминания и обработки информации в мозге.
- Второй уровень. Сопроцессор сделан из материала GeSbTe и содержит массивы памяти с изменением фазового состояния (PCM). Таким образом он ускоряет глубинное обучение нейросетей.
- Третий уровень. Динамичная и хаотичная природа нейронов подтолкнула исследователей к созданию импульсной нейронной сети, основой для которой послужила упомянутая выше память с изменением фазового состояния.
Современные компьютеры построены по архитектуре фон Неймана. Исследователи выступили за создание компьютера на основе модели головного мозга, поскольку для произведения вычислений ему требуется всего 20−30 Вт. При этом современные компьютеры расходуют киловатты и мегаватты энергии.
Область машинного обучения стремительно развивается, и многие компании стремятся улучшить эффективность работы технологии. Одной из последних разработок в этом направлении является вышедший в начале октября 2018 года фреймворк PyTorch 1.0. Нововведения коснулись появления гибридной фронтенд-разработки, которая помогает перейти от этапа исследований к развёртыванию приложений. Дополнительно обновлена библиотека для выполнения распределённых вычислений с помощью языков Python и C++, а также быстрого поиска.
931 открытий941 показов