Detta är en illustration av von-Neumanns flaskhals. Frekventa dataöverföringar fram och tillbaka mellan processorn och minnesenheterna medför stor energiförbrukning och begränsar genomströmningen. "In-memory computing" gör det möjligt att utföra beräkningar på data de lagrar i, därigenom minskar antalet onödiga överföringar av data till processorn. Kredit:Purdue University
Många interna komponenter som används i dagens datorer når temperaturer som är tillräckligt varma för att laga en Thanksgiving-måltid. Värmen som produceras av beräkningarna kan lätt bränna mänsklig hud och vävnad – och mycket av värmen är helt enkelt bortkastad energi, en biprodukt av datorns interna funktioner.
Nu, Forskare vid Purdue University arbetar på mer energieffektiv teknik för att bättre efterlikna den mänskliga hjärnans funktioner och producera endast en bråkdel av värmen.
"Den mänskliga hjärnan är en fantastiskt effektiv maskin som faktiskt gör mycket av datorarbetet i minnet, sa Kaushik Roy, Purdues Edward G. Tiedemann Jr. framstående professor i elektro- och datateknik. "Purdue samarbetar med andra ledande forskningsorganisationer för att utveckla enheter och algoritmer som fungerar som den mänskliga hjärnan och minskar energiförbrukningen genom att beräkna i själva minnet."
Purdue-forskarna utvecklar artificiell intelligensalgoritmer som kan användas med nuvarande datortillämpningar men förbrukar mindre energi. Forskare vid Purdues Center for Brain-Inspired Computing Enabling Autonomous Intelligence studerar och utvecklar algoritmer som kan tillåta personliga robotar, självkörande bilar och drönare för att tolka sina miljöer och sedan fatta beslut utifrån vad de uppfattar.
Den här bilden visar ett spikande neuralt nätverk som kan konvertera en ljudingång till en handskriven siffra genom att endast använda spikar för att kommunicera mellan lagren. Kredit:Purdue University
"Hjärnan beräknar genom en tät anslutning av neuroner och synapser som använder integrerat minne och beräkningsenheter, till skillnad från von-Neumann-datorn som är utbredd i alla moderna datorer, sa Roy, som leder C-BRIC. "Söker inspiration från hjärnan, vi uppfinner kretstekniker för att utföra beräkningar i själva minnet, leder till energieffektiv implementering av algoritmer."
Purdue-algoritmerna använder hjärnliknande nätverk, kallas spikande neurala nätverk, att konvertera röst- och bildindata till en vanlig speciell representation av spikmönster, liknar hjärnan. Med hjälp av speciell kodning och avkodning, röstinmatningen kan användas för att hämta bilderna.
Roy sa att den här aktuella AI-forskningen har tillämpningar för personliga robotar, drönare, smarta fordon och andra enheter som redan utför funktioner som liknar hjärnberäkningar.
