تقدم كبير في الحوسبة يحل مشكلة الرياضيات المعقدة أسرع بمليون مرة

(واتشراويت جينلوهاكيت / جيتي إيماجيس)

حوسبة الخزان هو بالفعل أحد أكثر أنواع الذكاء الاصطناعي التي يمتلكها العلماء - والآن تحدد دراسة جديدة كيفية جعله أسرع بمليون مرة في مهام معينة.

هذا تطور مثير عندما يتعلق الأمر بمعالجة أكثر التحديات الحسابية تعقيدًا ، من التنبؤ بالطريقة التي سيتحول بها الطقس ، إلى نمذجة تدفق السوائل من خلال مساحة معينة.

مثل هذه المشاكل هي ما تم تطوير هذا النوع من الحوسبة كثيفة الموارد ليقوم بها ؛ الآن ، ستجعله أحدث الابتكارات أكثر فائدة. يسميها الفريق الذي يقف وراء هذه الدراسة الجديدة الجيل التالي من حوسبة المكامن.

'يمكننا أداء مهام معالجة المعلومات المعقدة للغاية في جزء صغير من الوقت باستخدام موارد كمبيوتر أقل بكثير مقارنة بما يمكن أن تقوم به حوسبة المكامن حاليًا' يقول الفيزيائي دانيال غوتييه من جامعة ولاية أوهايو.

'وحوسبة المكامن كانت بالفعل تحسنًا كبيرًا عما كان ممكنًا في السابق.'

تعتمد حوسبة المكامن على فكرة الشبكات العصبية - التعلم الالي أنظمة تعتمد على طريقة عمل العقول الحية - والتي يتم تدريبها على اكتشاف الأنماط في كمية هائلة من البيانات. أظهر لشبكة عصبية ألف صورة لكلب ، على سبيل المثال ، ويجب أن تكون دقيقة جدًا في التعرف على كلب في المرة التالية التي يظهر فيها.

تفاصيل الطاقة الإضافية التي تجلبها حوسبة الخزان تقنية تمامًا. بشكل أساسي ، ترسل العملية المعلومات إلى 'الخزان' ، حيث ترتبط نقاط البيانات بطرق مختلفة. ثم يتم إرسال المعلومات من الخزان وتحليلها وإعادتها إلى عملية التعلم.

هذا يجعل العملية برمتها أسرع من بعض النواحي ، وأكثر قابلية للتكيف مع تسلسلات التعلم. لكنها تعتمد أيضًا بشكل كبير على المعالجة العشوائية ، مما يعني ما يحدث داخل الخزان ليس واضحًا تمامًا. لاستخدام مصطلح هندسي ، إنه 'صندوق أسود' - يعمل عادةً ، لكن لا أحد يعرف حقًا كيف ولماذا.

من خلال البحث الجديد الذي تم نشره للتو ، يمكن جعل أجهزة كمبيوتر الخزان أكثر كفاءة عن طريق إزالة التوزيع العشوائي. تم استخدام التحليل الرياضي لمعرفة أي أجزاء من كمبيوتر الخزان مهمة بالفعل لعمله وأيها لا يعمل. يؤدي التخلص من هذه البتات الزائدة إلى تسريع وقت المعالجة.

إحدى النتائج النهائية هي أن هناك حاجة إلى فترة 'إحماء' أقل: حيث يتم تغذية الشبكة العصبية ببيانات التدريب لإعدادها للمهمة التي من المفترض أن تقوم بها. قام فريق البحث بتحسينات كبيرة هنا.

'بالنسبة إلى حوسبة المكامن من الجيل التالي ، لا توجد حاجة تقريبًا لوقت تدفئة' يقول غوتييه .

حاليًا ، يتعين على العلماء وضع 1000 أو 10000 نقطة بيانات أو أكثر لتسخينها. وهذه هي كل البيانات المفقودة ، والتي ليست ضرورية للعمل الفعلي. علينا فقط وضع نقطة أو اثنتين أو ثلاث نقاط بيانات.

تم إكمال مهمة التنبؤ الصعبة بشكل خاص في أقل من ثانية على كمبيوتر سطح مكتب قياسي باستخدام النظام الجديد. مع تقنية حوسبة المكامن الحالية ، تستغرق نفس المهمة وقتًا أطول بشكل ملحوظ ، حتى على أجهزة الكمبيوتر العملاقة.

أثبت النظام الجديد أنه أسرع بين 33 و 163 مرة حسب البيانات. عندما تم تحويل هدف المهمة إلى تحديد أولويات الدقة ، كان النموذج المحدث أسرع بمليون مرة.

هذه مجرد بداية لهذا النوع الفائق الكفاءة من الشبكات العصبية ، ويأمل الباحثون الذين يقفون وراءها أن يضعوها في مواجهة مهام أكثر صعوبة في المستقبل.

'المثير أن هذا الجيل القادم من حوسبة المكامن يأخذ ما كان جيدًا بالفعل ويجعله أكثر كفاءة بشكل ملحوظ ،' يقول غوتييه .

تم نشر البحث في اتصالات الطبيعة .

من نحن

نشر حقائق تقارير مستقلة ومثبتة عن الصحة والفضاء والطبيعة والتكنولوجيا والبيئة.