目次[隠す][見せる]
携帯電話、スマートウォッチ、その他のウェアラブル技術などの電子機器が新しいモデルにアップグレードされると、毎年かなりの量のゴミが発生します。
デバイスの内部チップに取り付けられる新しいセンサーとプロセッサーで古いバージョンを更新でき、金銭と材料の両方の無駄を減らすことができれば、それは革命的だっただろう。 スマートフォン、スマートウォッチ、その他のウェアラブル テクノロジーが常に新しいモデルに置き換えられたり、棚に置かれたりすることがなくなる、より持続可能な未来について考えてみましょう。
代わりに、既存の構造物にレゴ ブロックを追加するように、デバイスの内部チップに簡単に取り付けられる最新のセンサーとプロセッサーで更新できます。 このような再プログラム可能なチップは、デジタルの無駄を減らしながらデバイスを最新の状態に保つ可能性があります。
レゴのようなデザインで積み重ね可能でカスタマイズ可能 人工知能 MIT のエンジニアは、そのモジュール化されたビジョンに向けて一歩を踏み出しました。
この記事では、このチップ、その構成、および将来の影響について徹底的に検討します。
では、レゴのような人工知能チップとは何でしょうか?
地球を変える次の主要な発展は人工知能です。 モジュール式で持続可能なエレクトロニクスを製造するために、MIT エンジニアは現在、レゴに似た AI チップを作成しました。
センサーの追加や古いプロセッサーのアップグレードのプロセスを簡素化するために、多数のレイヤーを重ねたり切り替えたりできる再構成可能なチップです。
レイヤーの組み合わせに基づいて、「再構成可能な」AI チップを無制限に拡張できます。 したがって、これらのチップは、デバイスを最新の状態に保ちながら、電子廃棄物を削減できます。
次に、このチップの設計を見てみましょう。
チップ設計
AI チップ アーキテクチャは、処理コンポーネントとセンサー コンポーネントの交互の層と LED (発光ダイオード) を組み合わせており、チップ層が視覚的に相互作用できるようにするため、真に例外的です。
このアーキテクチャには、チップの層だけでなく、センサーと処理コンポーネントの交互層にわたる光通信を可能にする発光ダイオード (LED) が含まれています。 信号は、他のモジュラー チップ アーキテクチャでは通常のワイヤを使用してレベル間で中継されます。
このような広範な接続により、切断して再配線することが不可能ではないにしても困難であるため、このようなスタッキング システムは構成不可能になります。 MIT のコンセプトでは、実際のワイヤの代わりに、光を使用してチップを介してデータを送信します。
その結果、新しいセンサーや最新の CPU などを組み込むために、レイヤーを追加または削除してチップを再配置することができます。 エンジニアの斬新な新しいコンセプトは、画像センサーと人工シナプスアレイを組み合わせ、それぞれのセンサーに特定の文字、この場合は M、I、T を認識するように教えます。
チームは、物理ケーブルを介してセンサー データをプロセスに送信する従来の方法を使用するのではなく、光学システムを構築します。 このアプローチでは、各センサーと人工シナプスが結合してアレイを形成し、物理的な接続を必要とせずに文字間の通信を可能にします。
層間の信号は、通常のモジュール式チップ配置の標準ワイヤを介して送信されます。 これらの従来のチップは、そのような複雑な配線配置を取り外して再配線することが不可能であるため、再構成可能ではありません。
研究者たちは、クラウドベースのコンピューティングやスーパーコンピューターのような中央リソースや分散リソースでは機能しない、自給自足型センサーやその他のさまざまな電子機器などのコンピューティング デバイスを進歩させるための、その画期的な設計の実装を心待ちにしています。
チップ構成
研究者らによってシングルチップが作成され、その計算コアは紙吹雪とほぼ同じ大きさの 4 平方ミリメートルでした。
このチップには、互いに重ね合わされた XNUMX つの画像認識「ブロック」があり、それぞれのブロックには、イメージ センサー、光通信層、および M、I、または T の XNUMX つの文字の XNUMX つを識別するための人工シナプス アレイが含まれています。ランダムに生成されたピクセルの画像をデバイスに投影し、それぞれのピクセルが流れる電流を測定しました。 ニューラルネットワーク 応答として生成された配列。
電流が増加すると、その絵が特定の配列が検出するように訓練された文字である可能性が増加します。
研究者らは、このチップは文字「I」と「T」の間など、明確にぼやけた画像を識別することはできたものの、各文字の鮮明な画像を分類することにはあまり成功していないことを発見した。 チップの処理層をすぐに優れた「ノイズ除去」プロセッサーに置き換えたところ、研究者らはデバイスが写真を正しく認識したことを発見しました。
しかし、彼らはすぐにチップの処理層を熟練したノイズ除去プロセッサに置き換え、画像を正しく検出するクリップを作成しました。
これらのデバイスには無数の用途があると考えられているため、研究者らはチップの処理能力とセンサー容量を増やすことも計画している。
研究者らは用途は無限だと信じており、チップのセンシング能力と処理能力を拡張するつもりだ。
それの将来
将来の研究に関して、研究者たちは、このアーキテクチャを次の分野に採用できる可能性に特に興奮しています。 エッジコンピューティング スーパーコンピューターやクラウドベースのコンピューティングなどのデバイスは、まったく新しい可能性の世界を開きます。
モノのインターネットが成長するにつれて、多機能エッジ コンピューティング デバイスの需要が急増します。 チームは、それが多くを与えるので、それを信じています エッジコンピューティング 柔軟性、その提案された設計はこれに役立ちます。
Iより複雑な画像を検出したり、ウェアラブル電子皮膚や医療モニタリングに利用したりするために、研究者らはチップのセンシング能力と処理能力を強化することも計画している。
研究者らは、別売りのさまざまなセンサーや処理層を使用して、ユーザーが自分でチップを組み立てることができれば興味深いと考えています。
画像またはビデオ ID のニーズに応じて、ユーザーはさまざまな種類から選択できます。 ニューラルネットワーク.
まとめ
チームは、考えられるいくつかの用途の XNUMX つとしてエッジ コンピューティングを選び出しました。 MIT の機械工学准教授である Jeehwan Kim 氏は、センサー ネットワークに基づくモノのインターネットの時代に突入するにつれて、多機能エッジ コンピューティング デバイスの需要が大幅に増加すると予測しています。
将来的には、「私たちが提案するハードウェア設計により、エッジ コンピューティングの驚異的な適応性が可能になります。」
結論として、このチップは未来を変え、より幅広い AI アプリケーションを歓迎します。
コメントを残す