Китайские инженеры представили инновационную вычислительную архитектуру, которая позволила увеличить скорость обработки данных почти в четыре раза. Данная технология открывает новые горизонты для развития базовых моделей ИИ, систем автономного вождения, нейрокомпьютерных интерфейсов и современных средств связи.
Специалисты из Пекинского университета интегрировали два передовых компонента для синхронизации частотных преобразований в единую многофизическую структуру. Созданная система способна проводить сложнейшие математические операции, включая преобразование Фурье — фундаментальный алгоритм, позволяющий раскладывать комплексные сигналы, такие как звук или изображения, на их спектральные составляющие.
По словам Тао Яою, сотрудника Института искусственного интеллекта Пекинского университета, новая конфигурация дает возможность различным вычислительным парадигмам функционировать в наиболее подходящих физических средах (электрический ток, заряд или свет), что существенно повышает общую энергоэффективность процессов.

Интегрированное решение сочетает в себе преимущества аппаратных модулей в области генерации частот, модуляции и концепции вычислений в памяти. Такой подход гарантирует высокую точность при заметном снижении энергозатрат, позволяя нарастить производительность преобразования Фурье с исходных 130 миллиардов до внушительных 500 миллиардов операций в секунду.
Это достижение базируется на масштабных исследованиях, целью которых является преодоление ограничений классической цифровой логики. В последнее время ученые все чаще обращаются к нейроморфным, фотонным и аналоговым архитектурам, стремясь ускорить выполнение ключевых операций, таких как свертки и преобразования Фурье, минимизируя при этом тепловыделение.
Предложенная архитектура намечает вектор развития микроэлектроники следующего поколения, выходящей за рамки традиционных схем. Это позволит устранить инфраструктурные «узкие места» в энергопотреблении и обеспечить беспрецедентную мощность для продвинутых систем искусственного интеллекта.
Источник: iXBT


