摘要：工程研究人员已经证明了一种最先进的硬件设备，可以将人工智能（AI）计算应用程序的能源消耗减少至少1,000倍。...
明尼苏达大学双城的工程研究人员已经证明了一种最先进的硬件设备，可以将人工智能（AI）计算应用程序的能耗减少至少1000倍。
该研究发表在NPJ非常规计算，由自然发表的同行评审的科学杂志。研究人员在设备中使用的技术有多项专利。
随着AI应用的需求不断增长，研究人员一直在寻找创建更节能的过程的方法，同时保持高效和成本较低。通常，机器或人工智能过程在逻辑（在系统中处理信息）和内存（存储数据的位置）之间传输数据，从而消耗大量功率和能量。
明尼苏达大学科学与工程学院的一组研究人员展示了一种新的模型，其中数据从未离开记忆，称为计算随机访问记忆（CRAM）。
明尼苏达大学电气和计算机工程学院博士后研究员和论文的第一作者Yang LV说：“这项工作是CRAM的第一个实验演示，可以完全在存储器阵列中处理数据，而无需离开电脑存储信息的网格。”
国际能源机构（IEA）于2024年3月发布了全球能源用途预测，预测，AI的能源消耗可能会在2022年的460 Terawatt-Hours（TWH）增加到2026年的TWH。这与整个日本国家的电力消耗大致相当。
根据新论文的作者的说法，据估计，基于CRAM的机器学习推理加速器可以改善1,000个。另一个例子显示，与传统方法相比，节能节省了2,500次和1,700次。
这项研究已有二十年了，
明尼苏达州大学电气和计算机工程系的著名麦克奈特教授，杰出的麦克奈特教授，罗伯特·哈特曼（Robert F. Hartmann）主席罗伯特·F·哈特曼（Robert F.
“自2003年以来，有一群不断发展的学生和一个真正的跨学科教师团队在明尼苏达大学建立 - 从物理学，材料科学和工程，计算机科学和工程学到建模和基准测试和硬件创建 - 我们能够获得积极的成果，现在已经证明了这种技术是可行的，并且已经准备就绪，就可以融入技术，并将其纳入技术。
这项研究是基于Wang's及其合作者对磁性隧道连接（MTJ）设备的开创性，专利的研究的一致性和长期努力的一部分，这些设备是用于改善硬盘驱动器，传感器和其他微型电源系统的纳米结构设备，包括磁性随机存储器（MRAM），这些设备（包括磁性系统），例如SmortoCoconters and Microcontrolt和Microconternded dededded ded ded ded ded ded ded ded ded ded ded ded ded ded ded ded ded ded ded ded ded ded ded ded ded ded ded ded ded ded ded ded ded ded ded ded system and。
CRAM体系结构可以通过内存进行真实的计算，并将计算和内存之间的墙壁分解为传统von Neumann Architecture中的瓶颈，这是存储的程序计算机的理论设计，它是几乎所有现代计算机的基础。
“作为一种基于数字内存的计算基板，CRAM非常灵活，在计算中可以在内存阵列中的任何位置执行计算。因此，我们可以重新配置CRAM最好地匹配各种AI算法的绩效需求，” Ulya Karpuzcu表示，计算机和计算机的专家，以及计算机的专业人士，并在计算机上进行了专业的培训。明尼苏达大学的工程。 “对于当今的AI系统而言，它比传统的构建基础更节能。”
Karpuzcu解释说，CRAM可以有效地利用阵列结构直接在存储单元内执行计算，这消除了对缓慢和能源密集型数据传输的需求。
最有效的短期随机访问存储器或RAM设备使用四个或五个晶体管对一个或零进行编码，但一个MTJ（一个旋转器设备）可以在能量的一小部分，更高的速度下执行相同的功能，并且可以弹性地弹性，并且对恶劣的环境有弹性。 Spintronic设备利用电子的自旋而不是电荷来存储数据，从而提供了传统基于晶体管的芯片的更有效替代品。
目前，该团队一直在计划与包括明尼苏达州在内的半导体行业领导者合作，以提供大规模的演示并生产硬件以提高AI功能。
除LV，Wang和Karpuzcu外，该小组还包括明尼苏达大学电气与计算机工程研究人员Robert Bloom和Husrev Cilasun；杰出的麦克奈特教授，罗伯特和玛乔丽·亨尔主席萨钦·萨帕内卡尔；前博士后研究人员布兰登·辛克（Brandon Zink），Zamshed Chowdhury和Salonik Resch；与亚利桑那大学的研究人员：Pravin Khanal，Ali Habiboglu和Weigang Wang教授
这项工作得到了美国国防高级研究项目局（DARPA），国家标准技术研究所（NIST），国家科学基金会（NSF）和Cisco Inc.的赠款的支持。包括Nanodevice模式在内的研究与Minnesota Nano Center和Minnesota SuperCompuly Institute and Minnesota Institute and Minnese An Silimenne A.要阅读整个研究论文，标题为“基于磁性隧道连接的计算随机访问记忆的实验证明”，请访问NPJ非常规计算网站。
