आईबीएम 'प्रतिरोधक' प्रोसेसर तंत्रिका नेटवर्क के प्रशिक्षण की प्रक्रिया को 30 हजार गुना तेज करेगा
ICover ब्लॉग पेज पर आपका स्वागत है ! बुद्धिमत्ता की शक्ति को विकसित करने के लिए जिसने Google AlphaGo को खेल गुओ ली सेडॉल में विश्व चैंपियन पर एक प्रभावशाली जीत हासिल करने की अनुमति दी, एआई ने हजारों चिप्स और लंबे समय तक प्रशिक्षण लिया। इस बीच, आईबीएम इंजीनियर पहले से ही एक अवधारणा को लागू कर रहे हैं जो इस तरह के और भी अधिक प्रभावशाली बौद्धिक क्षमताओं को सिर्फ एक ऊर्जा-कुशल चिप में एकीकृत करने की अनुमति देगा।
वाटसन रिसर्च सेंटर में आईबीएम के तैफून गोकमेन और यूरी व्लासोव ने एक नई प्रतिरोधक प्रसंस्करण इकाई (आरपीयू) चिप विकसित की है जो एक केंद्रीय प्रोसेसर और गैर-वाष्पशील मेमोरी को जोड़ती है और तंत्रिका नेटवर्क (डीप न्यूरल नेटवर्क, जीएनएन) की गहरी सीखने की प्रक्रिया को तेज कर सकती है। अपेक्षाकृत कम बिजली की खपत के मूल्यों के साथ मौजूदा प्रोसेसर की तुलना में।"प्रणाली, जिसमें RPU त्वरक का एक समूह होता है, बड़े डेटा के कार्यों को पूरा करने में सक्षम होगा, साथ ही साथ खरबों मापदंडों को संसाधित करता है। इस तरह के सरणियों का एक उदाहरण दुनिया में मौजूद सभी भाषा जोड़ों के बीच प्राकृतिक भाषण की मान्यता और अनुवाद है, वास्तविक समय में वैज्ञानिक और व्यावसायिक जानकारी के गहन प्रवाह का विश्लेषण, या मल्टीमॉडल डेटा का विश्लेषण भारी संख्या में IoT सेंसर से बहता है, "शोधकर्ताओं ने इस घटना पर टिप्पणी की। arxiv.org संसाधन के पृष्ठों पर ।पिछले कुछ दशकों में मशीन सीखने की गति में प्रभावशाली प्रगति हुई है। यह ग्राफिक्स प्रोसेसर, प्रोग्रामेबल लॉजिक FPGA और विशेष चिप्स (ASIC) के सरणियों के उपयोग के माध्यम से संभव बनाया गया था। आज, आगे की प्रक्रिया को तेज करने के लिए, विकास के लेखकों के अनुसार, सूचना प्रसंस्करण एल्गोरिदम की समानता और स्थानीयता की अवधारणा का उपयोग करने की अनुमति देगा। आईबीएम प्रयोगशाला में ऐसी अवधारणाओं के सफल कार्यान्वयन का आधार अगली पीढ़ी के गैर-वाष्पशील मेमोरी प्रौद्योगिकियों - चरण (पीसीएम) और प्रतिरोधक (आरआरएएम) में लागू किए गए सिद्धांत बन गए हैं।
Schematics of original weight update rule of Eq.1 performed at each cross-point. (B) Schematics of stochastic update rule of Eq.2 that uses simple AND operation at each cross-point. Pulsing scheme that enables the implementation of stochastic updates rule by RPU devices for © up and (D) down conductance changes.प्रस्तावित मेमोरी ही आपको 27-2140 बार DNN (डीप मशीन लर्निंग प्रोसेस) को तेज करने की अनुमति देती है, लेकिन शोधकर्ताओं का मानना है कि भंडारण कोशिकाओं की कुछ संरचनात्मक सीमाओं को हटाकर, वे और भी अधिक प्रभावशाली परिणाम प्रदान करने में सक्षम होंगे। नवीन प्रौद्योगिकी पर काम कर रहे विशेषज्ञों की संयुक्त टीम के अनुसार, उनके द्वारा विकसित विनिर्देशों के अनुसार बनाई गई नई गैर-वाष्पशील मेमोरी पर आधारित चिप, 30 गुना समय तक सबसे शक्तिशाली माइक्रोप्रोसेसरों की तुलना में एल्गोरिथ्म की गति में वृद्धि प्रदान करेगी।वेलासोव और गोकमेन के अनुसार, पारंपरिक सीएमओएस प्रौद्योगिकियों के आधार पर इस तरह के चिप्स को लागू करना संभव होगा। इसी समय, यह सबसे अधिक संभावना है कि वाणिज्यिक समाधानों के स्तर पर वर्णित अवधारणा को कुछ वर्षों में पहले की तुलना में महसूस करना संभव होगा, जब संकेतित स्मृति प्रौद्योगिकियां बाजार तक पहुंचती हैं। आईबीएम द्वारा किए गए अध्ययन और सिद्धांत के अनुसार प्राप्त परिणाम, विशेषज्ञों के अनुसार, पहले से ही आज बहुत आशाजनक दिखते हैं, क्योंकि वे मशीन सीखने की प्रौद्योगिकियों के विकास में नए गुणात्मक और मात्रात्मक अवसरों का रास्ता खोलते हैं।यह महत्वपूर्ण है कि आईबीएम के अलावा, टीजे वॉटसन रिसर्च सेंटर के विशेषज्ञों का संयुक्त विकास सबसे अधिक संभावना Google और अन्य आईटी दिग्गजों की सुर्खियों में होगा, जो पहले से ही कृत्रिम बुद्धि की क्षमताओं पर अंकुश लगाने के लिए दीर्घकालिक दौड़ में प्रवेश कर चुके हैं। और यह, बदले में, वाणिज्यिक उत्पादों के स्तर पर प्रौद्योगिकी के त्वरित परिचय के लिए एक अतिरिक्त शक्तिशाली प्रोत्साहन बन जाएगा।स्रोततकनीकी व्यवहार्यता (पीडीएफ)
प्रिय पाठकों, हम हमेशा हमारे ब्लॉग के पन्नों पर आपसे मिलने और इंतजार करने के लिए खुश हैं। हम आपके साथ नवीनतम समाचार, समीक्षा सामग्री और अन्य प्रकाशनों को साझा करना जारी रखने के लिए तैयार हैं, और हमारे साथ बिताए समय को आपके लिए उपयोगी बनाने के लिए अपनी पूरी कोशिश करेंगे। और, निश्चित रूप से, हमारे कॉलम की सदस्यता लेना न भूलें ।हमारे अन्य लेख और घटनाएँ Source: https://habr.com/ru/post/hi392285/
All Articles