Chip AI rivoluzionario con un'elevata efficienza energetica

Con l’aumento dell’uso dell’intelligenza artificiale, aumenta anche la quantità di energia che richiede. Le proiezioni mostrano che l’intelligenza artificiale rappresenterà la metà del consumo energetico globale entro il 2027, utilizzando una quantità di energia pari a quella dell’intero paese dei Paesi Bassi ogni anno. La dottoressa Sieun Chae (1), assistente professoressa di ingegneria elettrica e informatica, sta lavorando per contribuire a ridurre l'impronta elettrica della tecnologia. Sta ricercando chip, basati su una nuova piattaforma materiale, che consentono sia il calcolo che l'archiviazione dei dati, imitando il modo in cui le reti neurali biologiche gestiscono l'archiviazione e l'elaborazione delle informazioni.

I risultati della sua ricerca sono stati recentemente pubblicati su Nature Electronics (2).

La dottoressa Sieun Chae spiega che: «Con l’avvento dell’intelligenza artificiale, i computer sono costretti a elaborare e archiviare rapidamente grandi quantità di dati. I chip AI sono progettati per elaborare attività in memoria, riducendo al minimo lo scambio di dati tra memoria e processore; quindi, possono eseguire compiti di intelligenza artificiale in modo più efficiente dal punto di vista energetico».

I chip sono dotati di componenti chiamati memristor, abbreviazione di resistori di memoria. La maggior parte dei memristor sono costituiti da un semplice sistema materiale composto da due elementi, ma quelli analizzati in questo studio presentano un nuovo sistema materiale noto come entropy-stabilized oxides o ESOs. Più di una mezza dozzina di elementi compongono gli ESOs, consentendo di ottimizzare le loro capacità di memoria.

«I memristor sono simili alle reti neurali biologiche in quanto nessuno dei due ha una fonte di memoria esterna, quindi nessuna energia viene persa nello spostamento dei dati dall'interno all'esterno e viceversa. Ottimizzando la composizione dell'ESO che funziona meglio per specifici lavori di intelligenza artificiale, i chip basati sull'ESOs possono eseguire compiti con molta meno energia rispetto all'unità di elaborazione centrale di un computer», ha detto Chae.

Un altro risultato è che le reti neurali artificiali sarebbero in grado di elaborare informazioni dipendenti dal tempo, come dati per audio e video, grazie alla messa a punto della composizione degli ESOs in modo che il dispositivo possa funzionare su una scala temporale varia.

Finanziato dalla National Science Foundation, lo studio è stato condotto da ricercatori dell’Università del Michigan; Chae ha partecipato come studente di dottorato al Michigan prima di unirsi alla facoltà dell'Oregon State. La collaborazione ha coinvolto anche ricercatori dell’Università dell’Oklahoma, della Cornell University e della Pennsylvania State University.

Informazioni sull'OSU College of Engineering: Il college è leader globale nei settori dell'intelligenza artificiale, della robotica, della produzione avanzata, dell'acqua pulita e dell'energia, della scienza dei materiali, dell'informatica, delle infrastrutture resilienti e dell'ingegneria sanitaria. Tra i programmi di ingegneria più grandi e produttivi della nazione, il college rilascia più diplomi di laurea in informatica di qualsiasi altra istituzione negli Stati Uniti. Il college è al secondo posto a livello nazionale tra le università con concessione di terreni e al quinto tra le 94 università pubbliche R1 della nazione, per percentuale di docenti di ingegneria di ruolo o di ruolo che sono donne.

Riferimenti:

(1) Sieun Chae

(2) Efficient data processing using tunable entropy-stabilized oxide memristors

Descrizione foto: La struttura del dispositivo del memristor ESO. Ogni strato è composto da materiali composizionalmente complessi. - Credit: Sieun Chae, OSU College of Engineering.

Autore traduzione riassuntiva e adattamento linguistico: Edoardo Capuano / Articolo originale: New computer chips show promise for reducing energy footprint of artificial intelligence