人工智能模型越來越複雜，要訓練這些大型模型亦需要相當多的能源。對於目前越來越注重環保的趨勢而言，已是一個需要解決的問題。最近有研究發現，利用量子通道記憶體，可以大幅提升 AI 能源效率，解決這個問題。
美國聖路易斯華盛頓大學的電氣和系統工程教授 Shantanu Chakrabartty 和其研究團隊最近發表了一篇論文，指出可以利用電子的自然屬性來減少訓練機器學習模型的耗電。他們嘗試強化了移動在記憶陣列中電子的「突觸」部分，令電子陣列可以更有能源效率，減少所需的耗電達 100 倍以上，如果在更大規模的模型訓練中應用，則分別可以更明顯。
Chakrabartty 教授表示，這個名為「Fowler-Nordheim 動態模擬儲存器」的技術在解析度和測量精確度方面仍然有待改進，才可以進一步擴充應用。如果技術成熟得以應用，則可以令巨型人工智能模型的訓練可以大幅減少碳排放和能源消耗。
來源：The Register
—
新增 : unwire.pro Mewe 專頁 : https://mewe.com/p/unwirepro
