Goswami, bu yeniliğin AI algoritmalarının yürütülme biçimini nasıl temelden değiştirdiğini açıkladı. Goswami, “Tüm eğitim süreçlerinde, temel matematiksel işlem vektör-matris çarpımıdır,” dedi. “Dijital bir platformda, n boyutundaki bir vektörü nxn matrisiyle çarpmak n² adım alır. Buna karşılık, hızlandırıcımız bunu tek bir adımda yürütür. Hesaplama adımlarındaki bu azalma, doğrudan enerji verimliliğinde önemli bir kazanıma dönüşür.”
Yeni platformun enerji verimliliği özellikle etkileyici. Goswami’nin alıntıladığı bir karşılaştırmaya göre, platformun nokta ürün motoru 4.1 TOPS/W sunuyor ve bu da onu 18 çekirdekli bir Haswell CPU’dan 460 kat ve AI iş yüklerinde yaygın olarak kullanılan bir Nvidia K80 GPU’dan 220 kat daha verimli hale getiriyor.
Nöromorfik bilişimin yükselişi
Nöromorfik bilişim, insan beyninin mimarisini ve süreçlerini taklit eden gelişmiş bir bilişim alanıdır. İkili durumlara (0’lar ve 1’ler) dayanan geleneksel dijital yöntemleri kullanmak yerine, nöromorfik sistemler biyolojik bir beyindeki nöronlar gibi bilgileri işlemek için analog sinyalleri ve çoklu iletkenlik durumlarını kullanır.
IISc’nin inovasyonunun merkezinde platformun 16.500 iletkenlik durumunu işleme yeteneği yer alır. Daha karmaşık verileri temsil etmek için bu sistemler birden fazla ikili durumu birleştirmelidir, bu da işleme için gereken zaman ve enerjiyi artırır.
Goswami, “Bizim yaklaşımımızla, tek bir cihaz tek adımda 16.500 seviyede veri depolayabilir ve işleyebilir,” dedi. Bu, süreci oldukça alan açısından verimli hale getirir ve hesaplamada paralellik sağlar, bu da AI iş yüklerini önemli ölçüde hızlandırır.
Bu sistemler, desen tanıma, öğrenme ve karar alma gibi görevleri geleneksel bilgisayarlardan daha verimli bir şekilde gerçekleştirmek üzere tasarlanmıştır. Nöromorfik bilişim, hafızayı ve işlemeyi tek bir birimde birleştirerek, özellikle makine öğrenimi, veri analizi ve robotik gibi alanlarda yapay zeka gibi karmaşık görevler için daha hızlı, daha enerji tasarruflu çözümler vaat ediyor.