İnqrid Fadelli , Phys.org tərəfindən

redaktə edən: Gaby Clark , rəy verən: Robert Egan

 Redaktorların qeydləri

 GIST

Tercih edilən mənbə kimi əlavə edin

Rabitəyə əsaslanan yaddaşdaxili simsiz neyron şəbəkələrinə ümumi baxış. Müəllif: Yang və digərləri.

Kənar hesablama, məlumatların mərkəzləşdirilmiş böyük məlumat mərkəzində emal üçün göndərilməsi əvəzinə, smartfonlar, muxtar nəqliyyat vasitələri, yerli serverlər və digər IoT cihazları tərəfindən yerli olaraq emal edilməsinə imkan verən inkişaf etməkdə olan bir İT arxitekturasıdır. Bu yanaşma süni intellekt (Sİ) modellərinə və digər hesablama sistemlərinə daha az enerji sərf edərkən tapşırıqları sürətlə yerinə yetirməyə imkan verə bilər.

Bu yanaşmanın potensialına baxmayaraq, adətən yerli cihazlar məhdud batareya tutumuna və məhdud hesablama imkanlarına malikdir. Bu o deməkdir ki, onlar mürəkkəb hesablamaları başa çatdırmaq üçün tez-tez internet vasitəsilə uzaq bulud serverlərinə məlumat göndərməli olurlar. Simsiz rabitə vasitəsilə məlumat ötürülməsi xeyli miqdarda enerji sərf etməklə yanaşı, ötürmə sürətini də yavaşlada bilər.

Nanjing Universitetinin tədqiqatçıları bu yaxınlarda kənar cihazlar və bulud serverləri arasında rabitə sürətini potensial olaraq artıra biləcək, eyni zamanda enerji istehlakını azalda biləcək yeni bir yanaşma təqdim etdilər. Onların Nature Electronics jurnalında dərc olunmuş bir məqalədə təqdim etdiyi təklif olunan strategiya, hesablama, yaddaş və simsiz rabitəni vahid süni intellektlə işləyən sistemdə birləşdirən yeni hesablama vasitələri olan yeni hazırlanmış rabitəyə həssas yaddaşdaxili simsiz neyron şəbəkələrinə əsaslanır .

“Bu məqalənin ilham mənbəyi gələcəyin çox sayda ağıllı terminal cihazı ilə dolacağına dair inancımızdan irəli gəlirdi”, məqalənin baş müəllifi Feng Miao Tech Xplore-a bildirib. “Bu cihazların çox məhdud enerji resursları altında işləyərkən böyük hesablama qabiliyyəti tələb edən diqqətəlayiq zəka səviyyələrinə malik olması gözlənilir. Bu çətinlik bizi yaddaşdaxili hesablama texnologiyalarının belə bir gələcək texnoloji mənzərəni necə dəstəkləyə biləcəyini düşünməyə vadar etdi.”Rabitəyə əsaslanan yaddaşdaxili simsiz neyron şəbəkələrinin tətbiqi. Mənbə: Nature Electronics (2026). DOI: 10.1038/s41928-026-01577-5

Simsiz şəraitə uyğunlaşan aşağı güclü süni intellekt

Miao və həmkarlarının son işinin əsas məqsədi, həm məlumatları emal edən, həm də saxlayan aparat sistemləri olan yaddaşdaxili hesablama arxitekturalarının sərt enerji məhdudiyyətləri altında yaxşı işləyən daha ağıllı sistemlər üçün yol aça biləcəyini araşdırmaq idi. Onlar bunu xüsusilə məlumatların şəbəkənin kənarındakı elektron cihazlar, yəni ağıllı terminal cihazları tərəfindən emal edildiyi kənar hesablama tətbiqləri kontekstində araşdırdılar.

Miao izah etdi ki, “Ağıllı terminal cihazlarının enerji istehlakı iki əsas mənbədən gəlir: neyron şəbəkəsi çıxarışını yerinə yetirmək üçün tələb olunan hesablama və terminal ilə bulud serveri arasında simsiz rabitə. Bizim yanaşmamız ağıllı terminalların enerji istehlakını iki baxımdan azaldır: aparat dizaynı və alqoritmik optimallaşdırma.”

Tədqiqatçılar aparat təminatı baxımından həm hesablama əməliyyatlarını, həm də rabitəni optimallaşdıran yaddaşda hesablama dizaynını təqdim etdilər. Onların təklif etdiyi aparat təminatı sistemi xeyli az enerji sərf edərkən məlumatları emal edə, saxlaya və ötürə bilərdi.Oyna

00:00

02:03SəssizParametrlərPIPTam ekrana daxil olun

OynaXüsusiyyət xəritəsi məlumatlarının real vaxt rejimində ötürülməsi. Müəllif: Nature Electronics (2026). DOI: 10.1038/s41928-026-01577-5

Miao bildirib ki, “Alqoritmik tərəfdə biz ünsiyyətə əsaslanan təlim metodu təqdim etdik. Bu çərçivədə simsiz rabitə artıq itkisiz məlumat ötürülməsini hədəfləyən müstəqil bir proses kimi qəbul edilmir. Bunun əvəzinə, itkisiz ötürülməyə imkan verir və optimallaşdırıla bilən modul kimi neyron şəbəkəsinə inteqrasiya olunur.”

Əsasən, Miao və həmkarları, simsiz siqnallar zəif və ötürmə daha yavaş olduqda belə, süni neyron şəbəkələrini nəticə çıxarma tapşırıqlarını yaxşı dəqiqliklə yerinə yetirməyə öyrətmək üçün istifadə edilə bilən yeni bir yanaşma hazırladılar. Bütün bunlar simsiz rabitənin enerji ilə bağlı xərclərini minimuma endirməklə və beləliklə, enerji səmərəliliyini artırmaqla əldə edilir.

Süni intellekt məlumatlarını ötürmək üçün tələb olunan gücün azaldılması

Komandanın rabitəyə əsaslanan yaddaşdaxili hesablama arxitekturası əvvəlcə təsvir təsnifatı tapşırığı üzərində sınaqdan keçirilmiş və olduqca yaxşı nəticə göstərdiyi aşkar edilmişdir. Neyron şəbəkəsi 93,71% dəqiqliyə nail olmuşdur ki, bu da ötürmə şəraiti ideal olmadıqda belə qorunub saxlanılmışdır.

Miao bildirib ki, “Bizim yanaşmamız simsiz rabitə və süni intellekt sahələri arasındakı ənənəvi maneəni aradan qaldırır və hər iki icmadakı tədqiqatçılara ilham verə biləcək yeni perspektivlər təqdim edir”.

“Praktik baxımdan, metod ağıllı terminal cihazlarının simsiz rabitə xərclərini əhəmiyyətli dərəcədə azalda bilər. Məqalədə biz ImageNet məlumat dəstinə əsaslanan bir nümunə təqdim edirik: terminal cihazı və bulud birgə nəticə çıxarma tapşırığını yerinə yetirdikdə, metodumuz tələb olunan simsiz ötürmə gücünü 95%-ə qədər azalda bilər.”

Xüsusilə, komandanın yanaşması müxtəlif simsiz kanal şərtləri və modulyasiya sxemləri ilə müxtəlif ssenarilərə tətbiq oluna bilər. Nəticədə, bu, kənar hesablama tətbiqlərinin inkişafına töhfə verə bilər və ağıllı terminal cihazlarının mobil rabitə texnologiyasına və ya digər yüksək dinamik simsiz rabitə mənbələrinə etibar etsələr belə yaxşı işləməsinə imkan verə bilər.

Miao əlavə edib ki, “Gələcək işimizdə bu yanaşmanın praktikliyini daha da artırmağı və mövcud nəticələrimizə əsasən əlavə mühəndislik optimallaşdırmaları həyata keçirməyi planlaşdırırıq. Məsələn, metodu daha çox istifadə olunan MIMO rabitə sistemlərinə genişləndirməyi və texnologiyanı real dünyada tətbiqə yaxınlaşdırmaq üçün çip inteqrasiyasını araşdırmağı planlaşdırırıq.”

Müəllifimiz İnqrid Fadelli tərəfindən sizin üçün yazılmış, Qeb Klark tərəfindən redaktə edilmiş və Robert İqan tərəfindən faktlar yoxlanılmış və nəzərdən keçirilmiş bu məqalə diqqətli insan əməyinin nəticəsidir. Müstəqil elmi jurnalistikanı yaşatmaq üçün sizin kimi oxuculara güvənirik. Əgər bu reportaj sizin üçün vacibdirsə, xahiş edirik ianə etməyi (xüsusilə aylıq) nəzərdən keçirin. Təşəkkür olaraq reklamsız hesab əldə edəcəksiniz .