アナログ コンピューターは AI を 1000 倍高速化し、エネルギー使用量を削減できる

データセンターに入力できる人工モデルの方程式を迅速に提供するアナログ コンピューターは、データセンターのエネルギー消費量の増加に対する解決策を提供できます。

ラップトップ、スマートフォン、スマートフォン、その他のよく知られたデバイスは、0 または 1 の一連の 2 番目の数字を保存し、プログラムできるため、デジタル コンピューターとして知られています。対照的に、アナログ コンピューターは、通常、1 つの特定の問題のみを解決するように設計されています。これらは、0 と 1 を吸収するのではなく、電気抵抗によって変化する量の使用を保存および処理します。

アナログ コンピューターは高速でエネルギー効率が高いかもしれませんが、デジタル コンピューターを上回っています。現在、中国の北京大学の孫氏とその同僚たちは、電気通信ネットワークでデータを送信し、大規模な科学モデルを実行したり、AI を訓練したりする通信ネットワークから正確に機能するデータ送信の重要な部分である、一対のアナログチップを開発した。

チップの最初の結果は、精度の正確なパスから 1 秒間の非常に高速な停止まで、明確な良心のクリーニング分析を実行して、最初のチップのエラー レベルを分析し、精度を向上させます。 Sun によると、最初のチップではエラー率が約 1% 増加しますが、3 サイクル後には 0.0000% に増加し、これは標準的な数値計算の精度に相当します。

現在までに研究者らは、16 個の変更を解決できるバリューチップ、または 256 個の変更を含むいくつかの小さな問題を解決できるバリューチップを作成しました。しかし、Sun は、大規模な AI モデルで使用される問題を解決するには、おそらく 100 万から 100 万の多額の助成金が必要になることを認めています。

しかし、アナログ回路の 1 つはデジタル回路からのものであり、これは大きなマトリクスではありませんが、デジタル回路はマトリクスのサイズに苦労しています。これは、この積 (1 秒間のデータ量) がマトリックスの 32 倍に達することを意味します。

理論的には、それらはより広範囲に及ぶ可能性がありますが、現実世界のタスクでは、非常に厳しい期限を超えて小さな成果が得られる可能性があることを彼はすぐに指摘しました。

「これは速度の単なる比較であり、実際の使用では問題は異なる可能性があります」とサン氏は言う。 「私たちのチップは行列コンピュータのみを実行できます。行列計算がコンピューティングタスクの大部分を占める場合、問題は非常に大幅に高速化されますが、そうでない場合は速度が制限されます。」

Sun は、ハイブリッド チップの考えられる結果として、問題の非常に特殊な部分を含むその他の要因が GPU に存在する可能性があると述べています。

キングス・カレッジ・ロンドンのジェームズ・ハレン氏は、AIモデルのトレーニングには行列計算が使用されており、アナログのCONTAGEがそれを可能にしていると述べている。

「現代の世界はデジタル コンピューターで構築されています。これらのコンピューターは非常に安定しています。つまり、あらゆる計算に使用できますが、必ずしもすべてを効率的または迅速に計算できるわけではありません。」 アナログ コンピューターは特定のタスクに適応しており、このようにして AI プロセスを高速化するために使用できます。