टेकक्रंच और टेक एक्सप्लोर के अनुसार खबर दी है कि चिप एमआईटी स्नातक छात्र Avishek बिस्वास द्वारा विकसित किया गया था टीम अपने सबसे बड़ा लाभ यह है बल्कि तंत्रिका नेटवर्क चल रहा है शक्ति के भूखे सर्वर से, स्मार्ट फोन, घरेलू उपकरणों और अन्य पोर्टेबल उपकरणों पर है का नेतृत्व किया रोड।
इसका मतलब है कि वेफर के भविष्य के उपयोग आवाज और चेहरा पहचानने और देशी गहराई सीखने के लिए एक तंत्रिका नेटवर्क को फोन कर सकते हैं, बजाय अधिक किसी न किसी तरह, नियम आधारित एल्गोरिदम का उपयोग करते हैं, या बादल को जानकारी भेजने विश्लेषण के परिणाम पर लौटने के लिए पारित करेंगे।
बिस्वास ने कहा कि सामान्यतः एआई चिप डिजाइनों में स्मृति और प्रोसेसर है जो स्मृति और प्रोसेसर के बीच डेटा को आगे बढ़ाएगा। माचिन सीखने के एल्गोरिदम को बड़ी संख्या में ऑपरेशन की आवश्यकता होती है और इस प्रकार डेटा को आगे और पीछे सबसे कुशलतापूर्वक प्रसारित किया जाता है इन एल्गोरिदम के संचालन को किसी विशिष्ट ऑपरेशन के लिए सरलीकृत किया जा सकता है जिसे डॉट उत्पाद कहा जाता है, जो डेटा को आगे और पीछे स्थानांतरित करने की आवश्यकता को समाप्त करता है यदि डॉट उत्पाद संचालन सीधे मेमोरी में किया जा सकता है।
तंत्रिका नेटवर्क को आमतौर पर कई परतों में विभाजित किया जाता है। एक नेटवर्क परत में एक एकल प्रसंस्करण नोड आमतौर पर निचले स्तर में कई नोड्स से डेटा प्राप्त करता है और ऊपरी परत में डेटा को कई नोड्स से गुजरता है। नोड्स के बीच प्रत्येक कनेक्शन उसका वजन है। और तंत्रिका नेटवर्क प्रशिक्षण की प्रक्रिया मुख्य रूप से इन भारों को समायोजित करने के लिए है
बाद एक नोड अंतर्निहित डेटा के नोड्स की अधिकता प्राप्त है, प्रत्येक डेटा अपने वजन से गुणा किया जाएगा, और परिणाम जोड़ने। इस प्रक्रिया को डॉट उत्पाद आपरेशन कहा जाता है। डॉट उत्पाद एक निश्चित सीमा से अधिक है, तो यह परिणाम होगा ऊपरी नोड को भेजा जाता है
वास्तव में, केवल नोड्स सही वजन में कंप्यूटर की स्मृति में संग्रहीत गणना डॉट उत्पाद आम तौर पर स्मृति से वजन, प्रासंगिक डेटा तक पहुँच पढ़ने, दो गुणा शामिल है, और परिणाम कहीं संग्रहीत है, और नोड सभी इनपुट डेटा इस आपरेशन को दोहराएँ। एक तंत्रिका नेटवर्क हजारों या नोड्स के भी लाखों होगा देखते हुए, प्रक्रिया डेटा की बड़ी मात्रा स्थानांतरित करना होगा।
लेकिन इस श्रृंखला की आपरेशन मस्तिष्क में घटनाओं को डिजिटाइज़ करने के लिए है, जहां संकेत कई न्यूरॉन्स के साथ यात्रा करते हैं और synapse पर मिलते हैं। और न्यूरॉन्स की फायरिंग दर और पूरे सिंटैप्स में वोल्टेज इलेक्ट्रोकेमिकल सिग्नल में तंत्रिका नेटवर्क में डेटा मूल्यों और वजन से मेल खाती है। एमआईटी शोधकर्ताओं के नए वेफर्स मस्तिष्क गतिविधि को और अधिक ईमानदारी से प्रतिकृति करके तंत्रिका नेटवर्क दक्षता में वृद्धि करते हैं।
इस चिप में, नोड का इनपुट वैल्यू वोल्टेज में बदल जाता है, उचित वजन से गुणा किया जाता है। केवल संयुक्त वोल्टेज को डेटा में वापस कनवर्ट किया जाएगा, और आगे की प्रक्रिया के लिए स्मृति में संग्रहीत किया जाएगा.इसलिए, प्रोटोटाइप चिप एक साथ 16 हर बार जब आपरेशन किया जाता है, प्रोसेसर और स्मृति के बीच डेटा को स्थानांतरित किए बिना नोड्स का डॉट उत्पाद।
आईबीएम एआई के उपाध्यक्ष डीआरओ गिल ने कहा कि अध्ययन के परिणामों से चीजों के इंटरनेट (आईओटी) में छवि और वीडियो वर्गीकरण के लिए जटिल जटिलता तंत्रिका तंत्र का उपयोग करने की संभावना को खोलने की संभावना है।