Peking am 28. Februarnachmittag, nach MIT News berichtete, dass MIT-Forscher einen High-Performance-Chip entwickelt, die neuronale Netzwerk-Computing verwendet werden kann, Die Verarbeitungsgeschwindigkeit des Chips ist bis zu sieben Mal so viel wie andere Prozessoren und die erforderlichen 94-95% weniger Energie als der andere Chip, der Chip in der Zukunft wird wahrscheinlich in dem Betrieb des Mobilgerätes verwendet werden, oder Neural Network Dinge auf dem Gerät.
Avishek Biswas, Doktorand der Elektrotechnik und Informatik am MIT, einem der führenden Entwickler dieser Technologie, sagte: "Der Gesamtbetriebsmodus des Prozessors ist bei einigen Chips so groß Ein Teil des Speichers ist platziert, er bewegt Daten in diesen Speichern hin und her, da die Berechnungen stattfinden Da maschinelle Lernalgorithmen viel Rechenaufwand erfordern, verbrauchen sie viel Energie, wenn sie Daten hin und her bewegen, aber tatsächlich diese Algorithmen Die durchgeführten Berechnungen können auf eine bestimmte Operation, ein so genanntes Punktprodukt, reduziert werden: Die Idee ist, dass wir diese Punktproduktfunktion im Speicher einsetzen können, so dass keine ständige Bewegung erforderlich ist Diese Daten?
Der Chip wandelt den Eingang des Knotens in eine Spannung um, die dann zur Speicherung und Weiterverarbeitung in digitale Form umgesetzt wird. Dieser Ansatz ermöglicht es dem Chip, das Skalarprodukt von 16 Knoten in einem einzigen Schritt zu berechnen, ohne dass Daten zwischen dem Speicher und dem Prozessor bewegt werden müssen.MIT News glaubt, dass dieser Ansatz näher an der Arbeit im menschlichen Gehirn ist Weg.
Biswos wird in einem Vortrag, der während der Internationalen Solid State Circuits Conference präsentiert wird, über die Funktionsweise des Chips berichten und zusammen mit seinem Essay-Schreiben seinen Dissertationstrainer MIT Engineering College Dean Anantha Chandrakasan und Vannevar Bush, Professor für Elektrotechnik und Informatik am MIT.
Im vergangenen Dezember veröffentlichte der CEO von SensibleVision, George Brostoff, einen Gastbeitrag beim Biometric Update, der das Potenzial von kundenspezifischen Prozessoren für mobile Geräte demonstrierte Seitdem hat FWDNXT angekündigt, dass sie Low-Power-Prozessoren entwickeln werden, die tiefe neuronale Netze für die Bilderkennung und -klassifizierung nutzen. Darüber hinaus kündigte ARM an, dass es Werkzeuge für maschinelles Lernen und Objekterkennung entwickeln wird Chip.
