CONSIGUEN CAMBIO QUE REDUCE EL CONSUMO DE ENERGIA Y MEJORA LAS VELOCIDADES DE CHIP PROGRAMABLES

images-2

Al cambiar una propiedad fundamental de la computación, los investigadores de la universidad de Princeton, Nueva Jersey, han creado un nuevo tipo de chip de computadora que aumenta el rendimiento y reduce las demandas de energía de los sistemas utilizados para la inteligencia artificial.


El chip, que funciona con lenguajes de programación estándar, podría ser particularmente útil en teléfonos, relojes u otros dispositivos que dependen de mecanismos computacionales de alto rendimiento y que tienen una duración limitada de la batería. El chip, está basado en una técnica llamada computación en memoria, diseñado para eliminar un cuello de botella computacional primario que obliga a los procesadores informáticos a gastar tiempo y energía en obtener datos de la memoria almacenada. La computación en memoria realiza el cálculo directamente en el almacenamiento, lo que permite una mayor velocidad y eficiencia.


El anuncio del nuevo chip, junto con un sistema para programarlo, sigue de cerca un informe anterior que los investigadores en colaboración con Analog Devices Inc. habían fabricado circuitos para la computación en memoria. Las pruebas realizadas en un laboratorio de los circuitos, demostraron que el chip funcionaría de decenas a cientos de veces más rápido que los chips comparables. Sin embargo, el chip inicial no incluía todos los componentes de la versión más reciente, por lo que su capacidad era limitada.


En el nuevo anuncio, los investigadores en el laboratorio de Naveen Verma, profesor asociado de ingeniería eléctrica, informan que han integrado los circuitos en memoria en una arquitectura de procesador programable. El chip ahora funciona con lenguajes informáticos comunes como C.


Aunque podría operar con una amplia gama de sistemas, el chip Princeton está diseñado para admitir sistemas diseñados para la inferencia de aprendizaje profundo, algoritmos que permiten a las computadoras tomar decisiones y realizar tareas complejas al aprender de conjuntos de datos.


Deja un comentario

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *