Optinen teknologia mahdollistaa tekoälyrobottien päivittämisen lennosta
Cornell Tech
Cornell Techin tutkijat ovat kehittäneet optisen vastaanottimen, joka kirjoittaa dataa suoraan sirun muistiin valon avulla ohittaen energiaa kuluttavat analogipiirit. Teknologia käyttää QR-koodien kaltaisia valomatriiseja tekoälymallien parametrien siirtämiseen, mikä voi vähentää virrankulutusta datakeskuksissa, autonomisissa ajoneuvoissa ja reunatason roboteissa.
IEEE/JSAP VLSI Technology & Circuits -symposiumissa esiteltiin uusi optisen vastaanottimen rakenne, jonka ovat kehittäneet Cornell Techin jatkotutkija Yifan He ja professori Jae-sun Seo. Vastaanotin käyttää prosessorin staattiseen hajasaantimuistiin (SRAM) upotettuja fotodiodeja: QR-koodia muistuttavan LED-matrison valo tuottaa fotovirran, joka muuttaa suoraan muistin bittejä. Tämä menetelmä mahdollistaa tekoälymallien parametrien siirtämisen ilman tyypillisesti paljon energiaa kuluttavia analogiakomponentteja. Nykyisissä järjestelmissä lisädataa tallennetaan dynaamiseen hajasaantimuistiin (DRAM), ja sen siirtäminen sähköisten liitäntöjen kautta muodostaa energiatehokkuuden pullonkaulan. Optiset kanavat tarjoavat suuren kaistanleveyden pienemmillä häviöillä, mutta olemassa olevat vastaanottimet vaativat energiaa kuluttavia analogiamuuntimia. Uusi piiri kiertää tämän ongelman toimimalla täysin digitaalisesti. Kyseessä on toistaiseksi 14x14-bittinen prototyyppi, mutta tutkijat tekevät yhteistyötä optiikkaryhmien kanssa rakentaakseen nopean lähettimen, joka pystyy päivittämään matriisin miljoonia kertoja sekunnissa. Teknologiaa voitaisiin käyttää reunatekoälyrobotiikassa – esimerkiksi päivittämällä tekoälymalleja varastoroboteissa tai mikroroboteissa, joilla on rajallinen muisti. Michiganin yliopiston Dennis Sylvester huomautti kehityksen kaupallisista mahdollisuuksista, mutta totesi, että valoherkät solut ovat tällä hetkellä tavallisia SRAM-soluja suurempia, mikä vähentää muistitiheyttä. Tiimi työstää solujen pienentämistä transistorien optimoinnin ja CMOS-skaalauksen avulla.
Lähde: IEEE Spectrum AI —
Alkuperäinen
