นักวิจัย MIT ได้พัฒนาชิปใหม่ที่ทรงพลังสำหรับการคำนวณระบบประสาทซึ่งเร็วกว่าโปรเซสเซอร์อื่น ๆ สามถึงเจ็ดเท่าในขณะที่ใช้พลังงานน้อยลง 94 ถึง 95 เปอร์เซ็นต์ซึ่งอาจทำให้สามารถใช้งานเครือข่ายประสาทข่าว MITรายงาน
“ โมเดลโปรเซสเซอร์ทั่วไปคือมีหน่วยความจำในบางส่วนของชิปและมีโปรเซสเซอร์ในอีกส่วนหนึ่งของชิปและคุณย้ายข้อมูลไปมาระหว่างพวกเขาเมื่อคุณทำการคำนวณเหล่านี้” วิศวกรรมไฟฟ้า MIT และนักศึกษาวิทยาศาสตร์คอมพิวเตอร์ Avishek Biswas กล่าว
“ เนื่องจากอัลกอริธึมการเรียนรู้ของเครื่องเหล่านี้ต้องการการคำนวณมากมายการถ่ายโอนข้อมูลไปมานี้เป็นส่วนที่โดดเด่นของการใช้พลังงาน แต่การคำนวณอัลกอริทึมเหล่านี้สามารถทำให้การดำเนินการที่เฉพาะเจาะจงได้อย่างใดอย่างหนึ่งเรียกว่าผลิตภัณฑ์ DOT
ชิปแปลงค่าอินพุตของโหนดเป็นแรงดันไฟฟ้าและคูณในรูปแบบนั้นก่อนที่จะถูกแปลงกลับเป็นรูปแบบดิจิตอลสำหรับการจัดเก็บและการประมวลผลเพิ่มเติม สิ่งนี้ช่วยให้ต้นแบบสามารถคำนวณผลิตภัณฑ์ DOT สำหรับ 16 โหนดในแต่ละขั้นตอนโดยไม่ต้องย้ายข้อมูลระหว่างหน่วยความจำและโปรเซสเซอร์ MIT News บอกว่ามันเป็นการสืบพันธุ์ที่ซื่อสัตย์มากขึ้นในสิ่งที่เกิดขึ้นใน synapse ของสมองที่มีชีวิต
น้ำหนักทั้งหมดซึ่งควบคุมความสัมพันธ์ระหว่างโหนดเป็น 1 หรือ -1 ซึ่งช่วยให้พวกเขาสามารถนำไปใช้เป็นสวิตช์ง่าย ๆ โดยมีการแลกเปลี่ยนการสูญเสียความแม่นยำโดยทั่วไปภายใน 2 ถึง 3 เปอร์เซ็นต์ของเครือข่ายทั่วไปตามที่นักวิจัย
Biswas จะนำเสนอบทความที่อธิบายถึงชิปในการประชุม Solid State Circuits ระหว่างประเทศพร้อมกับที่ปรึกษาวิทยานิพนธ์ของเขา Anantha Chandrakasan คณบดีคณะวิศวกรรมศาสตร์ที่ MIT และศาสตราจารย์ด้านวิศวกรรมไฟฟ้าและวิทยาศาสตร์คอมพิวเตอร์
George Brostoff ซีอีโอของ SensiBlevision ตรวจสอบศักยภาพของโปรเซสเซอร์ที่กำหนดเองเพื่อแปลงอย่างมากรักษาความปลอดภัยการรับรองความถูกต้องบนอุปกรณ์มือถือในโพสต์ของแขกสำหรับการอัปเดตไบโอเมตริกซ์ในเดือนธันวาคม ตั้งแต่นั้นมา FWDNXT ได้ประกาศการพัฒนาตัวประมวลผลแบบมือถือพลังงานต่ำสำหรับการจดจำภาพและการจำแนกประเภทโดย Deep Neural Networks และ ARM ได้ประกาศชิปใหม่ออกแบบเองสำหรับการเรียนรู้ของเครื่องและการตรวจจับวัตถุ
