La ricerca polimi per un’intelligenza artificiale più sostenibile
4 marzo 2020
Sommario
Negli ultimi anni è sempre più aumentata l’attenzione sull'apprendimento automatico come strumento per elaborare i big data generati dai sensori ormai onnipresenti nella nostra vita quotidiana. Oggi, infatti, grazie all’intelligenza artificiale, riconoscere un viso o un oggetto, oppure interpretare correttamente una parola o un motivo musicale, sono operazioni accessibili da tutti noi sui più comuni dispositivi elettronici, come può essere il nostro smartphone.
Perché queste operazioni - apparentemente semplici - avvengano, le reti neurali necessitano però di un opportuno addestramento, che richiede un consumo energetico straordinariamente elevato. Un gruppo di ricerca del Dipartimento di Elettronica, Informazione e Bioingegneria ha sviluppato un nuovo circuito di calcolo che permette di eseguire operazioni avanzate, tipiche delle reti neurali su cui si basa l’intelligenza artificiale, in una sola operazione. Per questo scopo è stato utilizzato il memristor, una memoria resistiva capace di memorizzare un dato qualsiasi (come ad esempio il valore di un’azione in un certo istante) nel valore della sua resistenza.
Disponendo questi elementi di memoria in una matrice di dimensioni di pochi micron, il nostro team di ricerca è stato in grado di eseguire una regressione lineare su un gruppo di dati, riuscendo a determinare la retta che meglio descrive una sequenza di dati, e permettendo così, per fare un esempio, di prevedere l’andamento della borsa sulla base di un semplice modello lineare. I risultati di performance in termini di velocità e consumo di energia pongono le basi per una nuova rivoluzionaria generazione di acceleratori di intelligenza artificiale con maggiore efficienza energetica e migliore sostenibilità a livello globale.
Lo studio è stato recentemente pubblicato sulla prestigiosa rivista Science Advances.
Per saperne di più:
One-step regression and classification with cross-point resistive memory arrays
Di Zhong Sun, Giacomo Pedretti, Alessandro Bricalli, Daniele Ielmini
Science Advances, 31 Jan 2020, vol. 6, no. 5.
https://doi.org/10.1126/sciadv.aay2378
Perché queste operazioni - apparentemente semplici - avvengano, le reti neurali necessitano però di un opportuno addestramento, che richiede un consumo energetico straordinariamente elevato. Un gruppo di ricerca del Dipartimento di Elettronica, Informazione e Bioingegneria ha sviluppato un nuovo circuito di calcolo che permette di eseguire operazioni avanzate, tipiche delle reti neurali su cui si basa l’intelligenza artificiale, in una sola operazione. Per questo scopo è stato utilizzato il memristor, una memoria resistiva capace di memorizzare un dato qualsiasi (come ad esempio il valore di un’azione in un certo istante) nel valore della sua resistenza.
Disponendo questi elementi di memoria in una matrice di dimensioni di pochi micron, il nostro team di ricerca è stato in grado di eseguire una regressione lineare su un gruppo di dati, riuscendo a determinare la retta che meglio descrive una sequenza di dati, e permettendo così, per fare un esempio, di prevedere l’andamento della borsa sulla base di un semplice modello lineare. I risultati di performance in termini di velocità e consumo di energia pongono le basi per una nuova rivoluzionaria generazione di acceleratori di intelligenza artificiale con maggiore efficienza energetica e migliore sostenibilità a livello globale.
Lo studio è stato recentemente pubblicato sulla prestigiosa rivista Science Advances.
Per saperne di più:
One-step regression and classification with cross-point resistive memory arrays
Di Zhong Sun, Giacomo Pedretti, Alessandro Bricalli, Daniele Ielmini
Science Advances, 31 Jan 2020, vol. 6, no. 5.
https://doi.org/10.1126/sciadv.aay2378
