پژوهشگران ایرانی با روش مصرف انرژی و فضای سختافزاری هوش مصنوعی را تا ۹۲ درصد کاهش دادند

پژوهشگران ایرانی با روش مصرف انرژی و فضای سختافزاری هوش مصنوعی را تا ۹۲ درصد کاهش دادند, به گزارش آیندگان، پژوهشگران دانشگاه تهران روشی نوین به نام برای محاسبه تقریبی ضرب اعداد در سختافزارهای هوش مصنوعی ارائه کردهاند که مصرف توان، زمان پردازش و فضای سختافزاری را به شدت کاهش میدهد.اصول کارکرد روش این روش بر پایه اصل محاسبه با دقت متغیر استوار است؛ بخشهای محاسبه که تأثیر بیشتری بر نتیجه نهایی دارند با دقت بالا پردازش میشوند، در حالی که بخشهای کمتأثیر با روشهای سادهتر یا از طریق جداول از پیش محاسبه شده (LUT) انجام میگردند.

این رویکرد نیاز به مدارهای پیچیده و پرمصرف را از بین میبرد.نتایج مقایسهای و کاراییآزمایشهای سختافزاری نشان میدهد در مقایسه با ضرب دقیق، تا ۶۸.۳ درصد زمان کمتر، ۸۰.۳ درصد توان کمتر و ۹۲.۱ درصد فضای کمتر مصرف میکند.

در برابر بهترین روشهای تقریبی موجود نیز، این روش تا ۶۵.۶ درصد بهبود در زمان، ۷۰ درصد در توان و ۷۱ درصد در فضا ثبت کرده است.حفظ دقت در مدلهای هوش مصنوعیبرای اطمینان از کارایی عملی، روش روی مدلهای شبکه عصبی و BERT آزمایش شد. در یک پیکربندی بهینه، کاهش دقت مدلها تنها ۰.۰۵ درصد بوده در حالی که زمان پردازش ۳۶ درصد، مصرف توان ۷۶ درصد و فضای سختافزاری ۸۸ درصد کاهش یافته است.

در مدل BERT نیز دقت ۸۴.۱۹ درصدی حاصل شده که تقریباً برابر با حالت محاسبه دقیق است.این پژوهش با عنوان در مجله IEEE (مه/ژوئن ۲۰۲۶) منتشر شده و میتواند پایهای برای طراحی شتابدهندههای عصبی و مدلهای زبانی بزرگ کممصرف باشد.