پژوهشگران دانشکده مهندسی برق و کامپیوتر دانشکدگان فنی دانشگاه تهران، با ارائه روش جدیدی برای انجام محاسبات عددی در سخت‌افزارهای هوش مصنوعی، توانستند مصرف توان را تا ۸۰٫۳ درصد، زمان پردازش را تا ۶۸٫۳ درصد و فضای مورد نیاز سخت‌افزار را تا ۹۲٫۱ درصد کاهش دهند؛ آن هم با حفظ دقت مدل‌های هوش مصنوعی در سطحی نزدیک به ساختارهای دقیق.
روش پیشنهادی با عنوان ELA-FPM بر این ایده استوار است که همه بخش‌های یک محاسبه با یک میزان دقت پردازش نشوند؛ بخش‌های مؤثرتر با دقت بالاتر و بخش‌های کم‌اهمیت‌تر با روش ساده‌تر یا حذف محاسبه می‌شوند. برای بخشی از عملیات از جدول ازپیش‌آماده (LUT) استفاده شده تا مدارهای پیچیده و پرمصرف کاهش یابد.
در یکی از پیکربندی‌ها، حداکثر کاهش دقت مدل‌های بررسی‌شده تنها حدود ۰٫۰۵ درصد گزارش شده، در حالی که صرفه‌جویی در زمان، توان و فضای سخت‌افزاری قابل توجه بوده است. روش همچنین روی مدل زبانی BERT آزمایش شده و دقتی نزدیک به حالت محاسبات دقیق به‌دست آمده است.
این مقاله در مجله IEEE Micro (مه–ژوئن ۲۰۲۶) منتشر شده و نمونه‌ای از ظرفیت نخبگان فنی کشور در طراحی سخت‌افزار کم‌مصرف برای شتاب‌دهنده‌های شبکه‌های عصبی و مدل‌های زبانی بزرگ است.
خبر
کاهش ۸۰ درصدی مصرف توان سخت‌افزار هوش مصنوعی با طراحی پژوهشگران دانشگاه تهران
پژوهشگران دانشکدگان فنی دانشگاه تهران روشی ارائه کردند که مصرف توان، زمان پردازش و فضای سخت‌افزار هوش مصنوعی را به‌طور چشمگیر کاهش می‌دهد؛ با حفظ دقت نزدیک به محاسبات دقیق.
