Nueva plataforma de cerebro en chip que ofrecerá un aumento de eficiencia de 460 veces para tareas de IA

Goswami explicó cómo esta innovación cambia fundamentalmente la forma en que se ejecutan los algoritmos de IA. “En todos los procesos de entrenamiento, la operación matemática principal es la multiplicación de una matriz por un vector”, dijo Goswami. “En una plataforma digital, multiplicar un vector de tamaño n por una matriz nxn requiere n² pasos. En cambio, nuestro acelerador lo ejecuta en un solo paso. Esta reducción en los pasos computacionales se traduce directamente en una ganancia sustancial en eficiencia energética”.

La eficiencia energética de la nueva plataforma es especialmente impresionante. Según una comparación citada por Goswami, el motor de producto escalar de la plataforma ofrece 4,1 TOPS/W, lo que lo hace 460 veces más eficiente que una CPU Haswell de 18 núcleos y 220 veces más eficiente que una GPU Nvidia K80, que se utiliza habitualmente en cargas de trabajo de IA.

El auge de la computación neuromórfica

La computación neuromórfica es un campo avanzado de la informática que imita la arquitectura y los procesos del cerebro humano. En lugar de utilizar métodos digitales tradicionales que se basan en estados binarios (0 y 1), los sistemas neuromórficos utilizan señales analógicas y múltiples estados de conductancia para procesar la información de forma más parecida a las neuronas de un cerebro biológico.

La innovación del IISc se basa en la capacidad de la plataforma para manejar 16.500 estados de conductancia. Para representar datos más complejos, estos sistemas deben combinar múltiples estados binarios, lo que aumenta el tiempo y la energía necesarios para el procesamiento.

“Con nuestro enfoque, un solo dispositivo puede almacenar y procesar datos en 16.500 niveles en un solo paso”, afirmó Goswami. Esto hace que el proceso sea muy eficiente en términos de espacio y permite el paralelismo en los cálculos, lo que acelera significativamente las cargas de trabajo de IA.

Estos sistemas están diseñados para realizar tareas como el reconocimiento de patrones, el aprendizaje y la toma de decisiones de manera más eficiente que las computadoras convencionales. Al integrar la memoria y el procesamiento en una sola unidad, la computación neuromórfica promete soluciones más rápidas y con mayor eficiencia energética para tareas complejas como la IA, en particular en áreas como el aprendizaje automático, el análisis de datos y la robótica.