論文の概要: Thermodynamic Computing System for AI Applications

• arxiv url: http://arxiv.org/abs/2312.04836v1
• Date: Fri, 8 Dec 2023 05:22:04 GMT
• ステータス: 処理完了
• システム内更新日: 2023-12-11 16:10:17.969069
• Title: Thermodynamic Computing System for AI Applications
• Title（参考訳）: AI応用のための熱力学計算システム
• Authors: Denis Melanson, Mohammad Abu Khater, Maxwell Aifer, Kaelan Donatella, Max Hunter Gordon, Thomas Ahle, Gavin Crooks, Antonio J. Martinez, Faris Sbahi, Patrick J. Coles
• Abstract要約: 熱力学計算のような物理ベースのハードウェアは、AIプリミティブを加速する高速で低消費電力の手段を提供する可能性がある。 処理ユニット(SPU)と呼ばれる最初の連続可変熱力学コンピュータを提示する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Recent breakthroughs in artificial intelligence (AI) algorithms have highlighted the need for novel computing hardware in order to truly unlock the potential for AI. Physics-based hardware, such as thermodynamic computing, has the potential to provide a fast, low-power means to accelerate AI primitives, especially generative AI and probabilistic AI. In this work, we present the first continuous-variable thermodynamic computer, which we call the stochastic processing unit (SPU). Our SPU is composed of RLC circuits, as unit cells, on a printed circuit board, with 8 unit cells that are all-to-all coupled via switched capacitances. It can be used for either sampling or linear algebra primitives, and we demonstrate Gaussian sampling and matrix inversion on our hardware. The latter represents the first thermodynamic linear algebra experiment. We also illustrate the applicability of the SPU to uncertainty quantification for neural network classification. We envision that this hardware, when scaled up in size, will have significant impact on accelerating various probabilistic AI applications.
• Abstract（参考訳）: 人工知能(AI)アルゴリズムの最近の進歩は、AIの可能性を真に解き明かすために、新しいコンピューティングハードウェアの必要性を強調している。 熱力学コンピューティングのような物理ベースのハードウェアは、AIプリミティブ、特に生成AIと確率AIを加速する高速で低消費電力の手段を提供する可能性がある。 本研究では, 確率処理ユニット (spu) と呼ばれる, 最初の連続変数熱力学計算機を提案する。 我々のSPUは、プリント基板上のRCC回路を単位セルとして構成し、8個の単位セルをスイッチトキャパシタンスを介して全て結合する。 サンプリングプリミティブまたは線形代数プリミティブとして使用することができ、ガウスサンプリングおよび行列反転をハードウェア上で実演する。 後者は最初の熱力学線形代数実験である。 また,ニューラルネットワーク分類における不確実性定量化に対するspuの適用性を示す。 このハードウェアは、規模を拡大すると、様々な確率的aiアプリケーションの加速に大きな影響を与えると私たちは考えています。

関連論文リスト

• Resistive Memory-based Neural Differential Equation Solver for Score-based Diffusion Model [55.116403765330084]
  スコアベースの拡散のような現在のAIGC法は、迅速性と効率性の点で依然として不足している。 スコアベース拡散のための時間連続型およびアナログ型インメモリ型ニューラル微分方程式解法を提案する。 我々は180nmの抵抗型メモリインメモリ・コンピューティング・マクロを用いて,我々の解を実験的に検証した。
  論文  参考訳（メタデータ） (2024-04-08T16:34:35Z)
• Neuromorphic hardware for sustainable AI data centers [3.011658333753524]
  ニューロモルフィックハードウェアは、脳が情報を処理する方法からインスピレーションを得ている。 その可能性にもかかわらず、ニューロモルフィックなハードウェアは商用AIデータセンターに導入されていない。 本稿は、ニューロモルフィックハードウェアをデータセンターに統合する際の課題に対する意識を高めることを目的としている。
  論文  参考訳（メタデータ） (2024-02-04T15:08:50Z)
• Pruning random resistive memory for optimizing analogue AI [54.21621702814583]
  AIモデルは、エネルギー消費と環境持続可能性に前例のない課題を提示する。 有望な解決策の1つは、アナログコンピューティングを再考することである。 ここでは、構造的塑性に着想を得たエッジプルーニングを用いたユニバーサルソリューション、ソフトウェア・ハードウエアの共設計について報告する。
  論文  参考訳（メタデータ） (2023-11-13T08:59:01Z)
• Machine Learning Quantum Systems with Magnetic p-bits [0.0]
  ムーアの法則の減速は、人工知能(AI)アルゴリズムの計算ワークロードが急上昇し続けるにつれ、危機に繋がった。 スケーラブルでエネルギー効率のよいハードウェアは、AIアルゴリズムやアプリケーションのユニークな要件に合わせて緊急に必要である。 pビットによる確率計算は、スケーラブルでドメイン固有でエネルギー効率の良い計算パラダイムとして登場した。
  論文  参考訳（メタデータ） (2023-10-10T14:54:57Z)
• Brain-Inspired Computational Intelligence via Predictive Coding [89.6335791546526]
  予測符号化(PC)は、マシンインテリジェンスタスクにおいて有望なパフォーマンスを示している。 PCは様々な脳領域で情報処理をモデル化することができ、認知制御やロボティクスで使用することができる。
  論文  参考訳（メタデータ） (2023-08-15T16:37:16Z)
• Thermodynamic Linear Algebra [0.7377893131680263]
  線形代数を加速するために,古典的熱力学に基づく別の物理計算パラダイムを考える。 本稿では、方程式の線形系、行列逆数、(3)行列行列行列式、(4)リアプノフ方程式を解くための単純な熱力学アルゴリズムを提案する。 我々のアルゴリズムはエルゴディディティ、エントロピー、平衡といった熱力学の原理を利用しており、これら2つの明らかに異なる分野間の深い関係を浮き彫りにしている。
  論文  参考訳（メタデータ） (2023-08-10T16:01:07Z)
• A full-stack view of probabilistic computing with p-bits: devices, architectures and algorithms [0.014319921806060482]
  pビットを用いた確率計算のフルスタックレビューを提供する。 pビットはエネルギー効率のよい確率システムを構築するのに使用できると我々は主張する。 我々は、機械学習からAIまで、確率的コンピュータの主な応用について概説する。
  論文  参考訳（メタデータ） (2023-02-13T15:36:07Z)
• Thermodynamic AI and the fluctuation frontier [0.0]
  多くの人工知能(AI)アルゴリズムは物理学にインスパイアされ、ゆらぎを用いる。 ソフトウェアとハードウェアが分離不能になる新しい計算パラダイムを提案する。 離散的かつ連続的な熱力学AIハードウェアのための各ビルディングブロックとして、ビット(sビット)とモード(sモード)を識別する。
  論文  参考訳（メタデータ） (2023-02-09T17:18:36Z)
• Neurocompositional computing: From the Central Paradox of Cognition to a new generation of AI systems [120.297940190903]
  AIの最近の進歩は、限られた形態のニューロコンフォメーションコンピューティングの使用によってもたらされている。 ニューロコンポジションコンピューティングの新しい形式は、より堅牢で正確で理解しやすいAIシステムを生み出します。
  論文  参考訳（メタデータ） (2022-05-02T18:00:10Z)
• Preparation of excited states for nuclear dynamics on a quantum computer [117.44028458220427]
  量子コンピュータ上で励起状態を作成するための2つの異なる方法を研究する。 シミュレーションおよび実量子デバイス上でこれらの手法をベンチマークする。 これらの結果から,フォールトトレラントデバイスに優れたスケーリングを実現するために設計された量子技術が,接続性やゲート忠実性に制限されたデバイスに実用的なメリットをもたらす可能性が示唆された。
  論文  参考訳（メタデータ） (2020-09-28T17:21:25Z)
• One-step regression and classification with crosspoint resistive memory arrays [62.997667081978825]
  高速で低エネルギーのコンピュータは、エッジでリアルタイム人工知能を実現するために要求されている。 ワンステップ学習は、ボストンの住宅のコスト予測と、MNIST桁認識のための2層ニューラルネットワークのトレーニングによって支援される。 結果は、クロスポイントアレイ内の物理計算、並列計算、アナログ計算のおかげで、1つの計算ステップで得られる。
  論文  参考訳（メタデータ） (2020-05-05T08:00:07Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。