Analoges Deep Learning bietet schnellere KI-Berechnungen bei geringerem Energieverbrauch, sagen MIT-Forscher

Der Zeit-, Arbeits- und Geldaufwand, der zum Trainieren immer komplexerer neuronaler Netzwerkmodelle erforderlich ist, steigt rapide an, während Forscher die Grenzen des maschinellen Lernens verschieben. Analoges Deep Learning, ein neuer Zweig der künstlichen Intelligenz, verspricht schnellere Berechnungen bei geringerem Energieverbrauch. Die Forschungsergebnisse wurden in der Fachzeitschrift „Science“ veröffentlicht. Programmierbare Widerstände sind die Schlüsselbausteine ​​im analogen … Weiterlesen