دستگاه محاسباتی مبتنی بر ژل یونی و گرافن مصرف انرژی هوش مصنوعی را چندین برابر کاهش می‌دهد

ICTPRESS – محققان ژاپنی از NIMS، دانشگاه توکیو و دانشگاه کوبه دستگاهی مبتنی بر گرافن و ژل یونی توسعه داده‌اند که با الهام از ساختار مغز، محاسبات یادگیری ماشین را تا ۱۰۰ برابر کم‌مصرف‌تر می‌کند.

به گزارش شبکه خبری CTPRESS به نقل از ستاد فناوری نانو، این ابزار که بهPhysical Reservoir Computing شهرت دارد با عملکردی مشابه یادگیری عمیق، زمان و انرژی پردازشی را به شدت کاهش می‌دهد و با طراحی انعطاف‌پذیر، قابلیت ادغام در الکترونیک نسل آینده را دارد.

با رشد روزافزون استفاده از فناوری‌های یادگیری ماشین، مصرف انرژی این سیستم‌ها نیز به طور قابل توجهی افزایش یافته و نیاز به دستگاه‌های هوش مصنوعی با مصرف انرژی پایین و عملکرد محاسباتی بالا بیش از پیش احساس می‌شود.

در این میان، دستگاه‌های موسوم به “Physical Reservoirs” یا رزرویرهای فیزیکی، به دلیل پردازش اطلاعات الهام‌گرفته از مغز و توانایی انجام محاسبات کم‌مصرف باdiv class=”post-tags”>
کلمات کلیدی :
دانشگاه کوبه
دانشگاه توکیو
ژل یونی
گرافن
هوش مصنوعی