São Paulo — InkDesign News —
Pesquisadores têm buscado maneiras de aprimorar a eficiência energética no uso de machine learning e inteligência artificial (AI) para atender à crescente demanda por processos computacionais em diversas indústrias. Uma nova abordagem promete maior eficiência nesse contexto.
Contexto da pesquisa
Com o aumento da aplicação de tecnologias digitais, a infraestrutura de energia enfrenta desafios significativos. Um estudo recente publicado na revista Nature descreve um novo computador óptico analógico (AOC) desenvolvido por uma equipe da Microsoft e da Universidade de Cambridge. Este modelo pode proporcionar uma melhoria notável na eficiência de AI e otimização combinatória.
Método proposto
O AOC emprega uma combinação de eletrônica analógica, microLEDs, moduladores de luz espacial e arrays de fotodetectores. Diferente dos sistemas digitais convencionais, este modelo evita conversões digitais, reduzindo o desperdício de energia e aumentando a robustez contra ruídos através de buscas fixas rápidas. O protótipo permite até 100 vezes mais eficiência energética em comparação com GPUs atuais.
Resultados e impacto
Os resultados obtidos pelo AOC em testes foram promissores. O estudo incluiu treinamentos de um “gêmeo digital”, permitindo simulações em larga escala que mostraram grande precisão em tarefas como classificação de imagens e reconstrução de imagens de ressonância magnética (MRI). Por exemplo, a reconstrução de imagens foi feita com precisão e reduziu o tempo de imagem de 30 minutos para apenas 5.
“A validação cruzada com o gêmeo digital, junto com avaliações em problemas complexos, oferece confiança no desempenho do hardware à medida que escala.
(“Cross-validation with the digital twin, coupled with evaluation on large problems, offers confidence in the hardware’s performance as it scales.”)— Nome, Cargo, Instituição
A correspondência entre o gêmeo digital e o hardware foi superior a 99% para as tarefas de inferência.
Os pesquisadores destacam que, apesar da inovação, a aplicação real do AOC ainda está em fase de desenvolvimento, necessitando de escalabilidade para centenas de milhões ou bilhões de pesos. Contudo, eles acreditam que é viável, uma vez que os componentes estão se tornando cada vez menores.
Entre as aplicações potenciais do AOC estão diversos setores industriais, como saúde e finanças. Os próximos passos incluem aprimorar a escalabilidade do hardware, visando atender a aplicações práticas no futuro.
Fonte: (TechXplore – Machine Learning & AI)
