大阪大学开发了一种FPGA计算装置，用于最大限度地优化人工智能任务

这个计算装置，是用现场可编程门阵列，与现有的可重新布线硬件相比，增加了12倍的电路密度。它还减少了高达80%的能源消耗。人们认为，这些进步可能会带来更灵活的人工智能解决方案，在提高性能的同时降低能源使用。

大阪大学开发的Via-Switch FPGA与传统SRAM FPGA在尺寸和集成密度上的比较。图片由IEEE。国际固态电路会议。

为什么需要效率

人工智能正在迅速对我们的世界产生更显著的影响。随着5 g的出现,互联网,和想法,5 g的继任者第六代移动网络(6克)将几乎完全是由人工智能,人们越来越需要开发计算解决方案不仅能够跟上技术,适应不同的人工智能应用程序和过程,。这样做，研究将有助于解决当今最紧迫的问题之一——气候紧急状况(或者，对愤世嫉俗者来说，气候变化)。

训练人工智能是一个耗费大量能量的密集过程。最近的估计表明，训练单个人工智能可以使用多达284吨二氧化碳这相当于一辆普通汽车使用寿命的五倍。

人工智能接受训练的例子也不是很少;他们到处都是。谷歌Translate、OpenAI的GPT-2文本生成器、优步(Uber)等拼车应用、垃圾邮件过滤器以及Nest和Ring等智能家居设备都严重依赖人工智能和深度学习。尽管像亚马逊这样投资风能和太阳能发电厂，以及与可再生能源供应商建立长期协议是朝着正确方向迈出的一步，但这还不够。

通过开关FPGA的互连截面。图片由IEEE。国际固态电路会议。

优化计算机电路，高效人工智能处理

因此，复杂的算法需要大量的计算能力。这意味着更高的能源消耗，从而导致更大的碳足迹。然而，如果系统可以重新布线，为每个给定的人工智能任务优化计算机电路，我们将实现更高水平的能源效率。

虽然Lay用户可以将“电路”视为处理器中的物理晶体管和逻辑门 - 这是固定FPGA的是专用逻辑元素，其可以在Fly（或“在字段” - ence“字段中重新连接）可编程“）由用户进行自定义和动态应用程序。这正是大阪研究人员的研究成果。

研究团队使用了非易失性“通过开关”，这种开关可以一直保持连接，直到操作员决定需要重新配置它们。通过使用一种新颖的纳米制造方法，该团队能够将12倍以上的元素装入一个网格状的“交叉”布局中，减少了电子信号必须传输的距离，从而减少了80%的电力消耗。

“我们的系统基于现场可编程门阵列具有非常快的设计周期。如果需要为每个新AI应用获得最多计算的电源，可以每天重新编程，”研究论文的主要作者Masanori Hashimoto表示。

通过使用通孔开关，研究团队还消除了对其他FPGA器件所必需的编程硅区域的需要。