به گزارش ساوت چاینا مورنینگ پست، سیستم جدید مرتبسازی آنها بر پایه «ممریستورها» (memristor) یکی از اجزای مدار الکترونیکی با قابلیتهایی شبیه حافظه و همچنین الگوریتم مرتبسازی طراحی شده است تا پردازش دادهها بهصورت کارآمدتری انجام گیرد.
این تیم نمونه اولیهای از سختافزار مرتبسازی مبتنی بر ممریستور ساخته که قابلیت اجرای وظایفی همچون یافتن مسیر و استنتاج در شبکههای عصبی را دارد و نسبت به روشهای سنتی مرتبسازی، هم در سرعت و هم در مصرف انرژی عملکرد بهتری از خود نشان داده است.
سیستمهای محاسباتی عموماً بر پایه معماری فوننویمان طراحی میشوند که در آن حافظه (ذخیرهسازی دادهها) و پردازنده (مانند CPU) از هم جدا هستند.
این جدایی منجر به «گلوگاه فوننویمان» شده است، یعنی محدودیتی در سرعت انتقال داده بین حافظه اصلی و واحد پردازشی.
محققان از دانشگاه پکن و مؤسسه تحقیقات مغز چین گفتند: «مرتبسازی درونحافظهای با استفاده از ممریستورها میتواند بر این محدودیتها غلبه کند، اما سیستمهای فعلی همچنان بر عملیات مقایسهای متکیاند، که عملکرد مرتبسازی را محدود میسازد.»
مقاومتگر (resistor) قطعهای است در مدار که جریان الکتریکی را با ایجاد مقاومت برای عبور الکترونها کاهش میدهد. مقاومتگرهای حافظهدار یا «ممریستورها» میتوانند میزان بار الکتریکی عبور کرده از خود را به خاطر بسپارند و بر اساس این اطلاعات، مقاومت خود را در آینده تنظیم کنند.
ممریستورها این امکان را فراهم میسازند که پردازش دادهها مستقیماً در محل ذخیرهسازی آنها انجام شود و نیازی به انتقال داده بین حافظه و پردازنده نباشد.
سیستمهای سختافزاری سنتی برای مرتبسازی عموماً از CPU،GPU یا مدارهای مجتمع خاص (ASIC) استفاده میکنند که به واحدهای مقایسهگر و الگوریتمهای مرحلهبهمرحله برای مقایسه عددها متکیاند.
اما این تیم تحقیقاتی تلاش کرده است تا با استفاده از ممریستورها، واحدهای مقایسه را حذف کرده و بهجای آن، از مرتبسازی مبتنی بر جستوجوی تکرارشونده بهره ببرد، روشی که مقادیر حداقلی یا حداکثری را بدون نیاز به مقایسه جفتبهجفت عددها مییابد و در نتیجه در زمان و انرژی صرفهجویی میشود.
سیستم سختافزاری و نرمافزاری «بدون مقایسه» این تیم که شامل تراشههای آرایهای ممریستور، یک مدار مجتمع و یک رایانه شخصی کنترلکننده است در آزمایشها، عملکرد بهتری نسبت به سیستمهای سنتی از خود نشان داد. یکی از این آزمایشها شامل یافتن کوتاهترین مسیر بین ایستگاههای مترو پکن بود.
در این سیستم، توان عملیاتی (throughput) یعنی مقدار کاری که سیستم در یک بازه زمانی مشخص انجام میدهد، در مقایسه با سیستمهای سنتی، ۷٫۷ برابر افزایش یافت. همچنین، بهرهوری انرژی بیش از ۱۶۰ برابر بهبود یافت.
بازدهی فضایی سیستم (area efficiency) که میزان محاسبه مؤثر در یک سطح مشخص از تراشه را نشان میدهد نیز بیش از ۳۲ برابر بهتر شد.
حل این مسئله دشوار به این معناست که ادغام حافظه و پردازش دیگر محدود به کاربردهای خاص نیست و اکنون میتواند از طیف گستردهای از محاسبات عمومی پشتیبانی کند.
سیستم مرتبسازی درونحافظهای میتواند در کاربردهایی مانند مرتبسازی تصاویر ترافیک هوشمند و امتیازدهی کنترل ریسک مالی مورد استفاده قرار گیرد.
منبع: scmp
تایملاین آینده هوشمند چین
مسیر تحول دیجیتال، هوش مصنوعی، شهرهای نسل جدید و جامعه خودکار چین تا ۲۰۵۰
محورهای ۵گانه و سناریوهای تحقق آینده هوشمند
- ۱. هوش مصنوعی و رباتیک: توسعه مدلهای بزرگ زبانی ملی و استقرار گسترده رباتهای انساننما در خطوط تولید و خدمات.
- ۲. خودروهای هوشمند و زیرساخت شهری: جادهها و شهرهای سازگار با حملونقل خودکار و شبکه توزیع هوشمند آب و برق.
- ۳. فناوری فضایی و کوانتومی: ماهوارههای نسل جدید و محاسبات کوانتومی برای ارتباطات امن و رمزنگاری پیشرفته.
- سناریوی محتمل: تا ۲۰۳۰ قطب اصلی AI جهان؛ ۲۰۳۰–۲۰۴۰ گذار به جامعه هوشمند فراگیر؛ تا ۲۰۵۰ تعریف استانداردهای بینالمللی فناوری.