Sieun Chae, da Oregon State University, foi pioneira em um novo chip de IA que aumenta a eficiência energética em seis vezes usando um novo sistema de materiais. Esta inovação visa reduzir o elevado consumo de energia da IA, imitando os métodos de processamento integrados das redes neurais biológicas. Crédito: SciTechDaily.com
Um novo chip de IA poderia aumentar potencialmente a eficiência energética em seis vezes, alinhando a computação e o armazenamento de dados de uma forma semelhante às redes neurais biológicas e reduzindo significativamente a pegada elétrica da IA.
Um pesquisador da Faculdade de Engenharia da Universidade Estadual do Oregon contribuiu para o desenvolvimento de um novo inteligência artificial chip que apresenta uma melhoria de eficiência energética de seis vezes em comparação ao padrão atual da indústria.
À medida que o uso da inteligência artificial dispara, também aumenta a quantidade de energia que ela requer. As projeções mostram que a inteligência artificial será responsável por meio por cento do consumo global de energia até 2027 – usando tanta energia anualmente quanto todo o país da Holanda.
Sieun Chae, professora assistente de engenharia elétrica e ciência da computação, está trabalhando para ajudar a reduzir a pegada de eletricidade da tecnologia. Ela está pesquisando chips, com base em uma nova plataforma de material, que permite computação e armazenamento de dados, imitando a maneira como as redes neurais biológicas lidam com armazenamento e processamento de informações.
Os resultados de sua pesquisa foram publicados recentemente em Eletrônica da Natureza.
Processamento de IA eficiente
“Com o surgimento da IA, os computadores são forçados a processar e armazenar rapidamente grandes quantidades de dados”, disse Chae. “Os chips de IA são projetados para computar tarefas na memória, o que minimiza o transporte de dados entre a memória e o processador; assim, eles podem executar tarefas de IA com mais eficiência energética.”
Os chips apresentam componentes chamados memristores – abreviação de resistores de memória. A maioria dos memristores são feitos de um sistema de material simples composto de dois elementos, mas os deste estudo apresentam um novo sistema de material conhecido como óxidos estabilizados por entropia, ou ESOs. Mais de meia dúzia de elementos compõem os ESOs, permitindo que as suas capacidades de memória sejam afinadas.
Os memristores são semelhantes às redes neurais biológicas, pois nenhuma delas possui uma fonte de memória externa – portanto, nenhuma energia é perdida para mover dados de dentro para fora e vice-versa. Ao otimizar o ISSO composição que funciona melhor para trabalhos específicos de IA, os chips baseados em ESO podem executar tarefas com muito menos energia do que a unidade central de processamento de um computador, disse Chae.
Outra vantagem é que as redes neurais artificiais seriam capazes de processar informações dependentes do tempo, como dados de áudio e vídeo, graças ao ajuste da composição dos ESOs para que o dispositivo pudesse funcionar em uma escala de tempo variada.
Referência: “Processamento eficiente de dados usando memristores de óxido estabilizados por entropia ajustáveis” por Sangmin Yoo, Sieun Chae, Tony Chiang, Matthew Webb, Tao Ma, Hanjong Paik, Yongmo Park, Logan Williams, Kazuki Nomoto, Huili G. Xing, Susan Trolier- McKinstry, Emmanouil Kioupakis, John T. Heron e Wei D. Lu, 20 de maio de 2024, Eletrônica da Natureza.
DOI: 10.1038/s41928-024-01169-1
Financiado pela National Science Foundation, o estudo foi liderado por pesquisadores da Universidade de Michigan; Chae participou como aluno de doutorado em Michigan antes de ingressar no corpo docente da Oregon State.
A colaboração também incluiu pesquisadores da Universidade de Oklahoma, da Universidade Cornell e da Universidade Estadual da Pensilvânia.
