Artificial Neural Networks Data Computing Concept 2
Thông tin công nghệ

Máy tính dự trữ thế hệ tiếp theo: Một cách mới để giải quyết các vấn đề máy tính “khó nhất của máy tính khó”

Mạng nơ-ron nhân tạo – trung tâm của tính toán hồ chứa – đã được đơn giản hóa rất nhiều.

Một loại máy tính tương đối mới bắt chước cách hoạt động của bộ não con người đã biến đổi cách các nhà khoa học có thể giải quyết một số vấn đề xử lý thông tin khó nhất.

Giờ đây, các nhà nghiên cứu đã tìm ra cách để làm cho cái được gọi là tính toán hồ chứa hoạt động nhanh hơn từ 33 đến một triệu lần, với ít tài nguyên máy tính hơn đáng kể và cần ít dữ liệu đầu vào hơn.

Trên thực tế, trong một lần thử nghiệm tính toán hồ chứa thế hệ tiếp theo này, các nhà nghiên cứu đã giải quyết một vấn đề máy tính phức tạp trong vòng chưa đầy một giây trên máy tính để bàn.

Daniel Gauthier, tác giả chính của nghiên cứu và là giáo sư vật lý tại Đại học Bang Ohio, cho biết, sử dụng công nghệ hiện đại nhất hiện nay, vấn đề tương tự đòi hỏi một siêu máy tính để giải quyết và vẫn mất nhiều thời gian hơn nữa.

Gauthier cho biết: “Chúng tôi có thể thực hiện các nhiệm vụ xử lý thông tin rất phức tạp trong một phần thời gian bằng cách sử dụng ít tài nguyên máy tính hơn nhiều so với những gì mà tính toán hồ chứa hiện có thể làm được.

“Và tính toán hồ chứa đã là một cải tiến đáng kể so với những gì trước đây có thể.”

Nghiên cứu được công bố vào ngày 21 tháng 9 năm 2021, trên tạp chí Nature Communications .

Gauthier cho biết: Máy tính dự trữ là một thuật toán học máy được phát triển vào đầu những năm 2000 và được sử dụng để giải quyết các vấn đề tính toán “khó nhất trong số các vấn đề khó khăn”, chẳng hạn như dự báo sự phát triển của các hệ thống động lực học thay đổi theo thời gian.

Ông nói, các hệ thống động lực học, như thời tiết, rất khó dự đoán vì chỉ cần một thay đổi nhỏ trong một điều kiện cũng có thể gây ra những tác động lớn xuống dòng.

Một ví dụ nổi tiếng là “ hiệu ứng con bướm ”, trong đó – trong một ví dụ ẩn dụ – những thay đổi được tạo ra bởi một con bướm vỗ cánh cuối cùng có thể ảnh hưởng đến thời tiết vài tuần sau đó.

Nghiên cứu trước đây đã chỉ ra rằng tính toán hồ chứa rất phù hợp để học các hệ thống động lực học và có thể cung cấp dự báo chính xác về cách chúng sẽ hoạt động trong tương lai, Gauthier nói.

Nó thực hiện điều đó thông qua việc sử dụng một mạng nơ-ron nhân tạo , phần nào giống như não người. Các nhà khoa học cung cấp dữ liệu trên một mạng động lực vào một “hồ chứa” các tế bào thần kinh nhân tạo được kết nối ngẫu nhiên trong một mạng lưới. Mạng tạo ra đầu ra hữu ích mà các nhà khoa học có thể giải thích và cung cấp lại vào mạng, xây dựng dự báo ngày càng chính xác hơn về cách hệ thống sẽ phát triển trong tương lai.

Hệ thống càng lớn, càng phức tạp và càng chính xác mà các nhà khoa học muốn dự báo thì mạng lưới nơ-ron nhân tạo càng lớn và càng cần nhiều tài nguyên tính toán và thời gian để hoàn thành nhiệm vụ.

Gauthier cho biết một vấn đề là nơi chứa các tế bào thần kinh nhân tạo là một “hộp đen”, và các nhà khoa học chưa biết chính xác điều gì diễn ra bên trong nó – họ chỉ biết nó hoạt động.

Gauthier giải thích rằng mạng nơ-ron nhân tạo ở trung tâm của tính toán hồ chứa được xây dựng dựa trên toán học.

Ông nói: “Chúng tôi đã yêu cầu các nhà toán học xem xét những mạng lưới này và đặt câu hỏi:“ Tất cả những mảnh ghép này trong máy móc thực sự cần thiết ở mức độ nào? ”.

Trong nghiên cứu này, Gauthier và các đồng nghiệp của ông đã điều tra câu hỏi đó và nhận thấy rằng toàn bộ hệ thống tính toán hồ chứa có thể được đơn giản hóa rất nhiều, giảm đáng kể nhu cầu về tài nguyên máy tính và tiết kiệm thời gian đáng kể.

Họ đã thử nghiệm khái niệm của mình trong một nhiệm vụ dự báo liên quan đến một hệ thống thời tiết do Edward Lorenz phát triển, công việc của họ đã dẫn đến sự hiểu biết của chúng ta về hiệu ứng cánh bướm.

Tính toán hồ chứa thế hệ tiếp theo của họ là người chiến thắng rõ ràng so với trạng thái ngày nay – tiên tiến nhất trong nhiệm vụ dự báo Lorenz này. Trong một mô phỏng tương đối đơn giản được thực hiện trên máy tính để bàn, hệ thống mới nhanh hơn từ 33 đến 163 lần so với mô hình hiện tại.

Nhưng khi mục tiêu là dự báo có độ chính xác cao , thì tính toán hồ chứa thế hệ tiếp theo nhanh hơn khoảng 1 triệu lần. Và máy tính thế hệ mới đạt được độ chính xác tương đương với chỉ 28 tế bào thần kinh, so với 4.000 cần thiết của mô hình thế hệ hiện tại, Gauthier nói.

Một lý do quan trọng cho việc tăng tốc là “bộ não” đằng sau thế hệ tính toán hồ chứa tiếp theo này cần ít khởi động và đào tạo hơn nhiều so với thế hệ hiện tại để tạo ra kết quả tương tự.

Warmup là dữ liệu huấn luyện cần được thêm làm đầu vào vào máy tính hồ chứa để chuẩn bị cho nhiệm vụ thực tế của nó.

Gauthier nói: “Đối với tính toán hồ chứa thế hệ tiếp theo của chúng tôi, hầu như không cần thời gian nóng lên.

“Hiện tại, các nhà khoa học phải đưa vào 1.000 hoặc 10.000 điểm dữ liệu hoặc hơn để làm nóng nó. Và đó là tất cả dữ liệu bị mất, không cần thiết cho công việc thực tế. Chúng tôi chỉ phải đưa vào một hoặc hai hoặc ba điểm dữ liệu, ”ông nói.

Và một khi các nhà nghiên cứu đã sẵn sàng đào tạo máy tính hồ chứa để đưa ra dự báo, thì một lần nữa, cần ít dữ liệu hơn trong hệ thống thế hệ tiếp theo.

Trong thử nghiệm của họ đối với nhiệm vụ dự báo Lorenz, các nhà nghiên cứu có thể nhận được kết quả tương tự bằng cách sử dụng 400 điểm dữ liệu như thế hệ hiện tại được tạo ra bằng cách sử dụng 5.000 điểm dữ liệu hoặc hơn, tùy thuộc vào độ chính xác mong muốn.

Gauthier nói: “Điều thú vị là thế hệ tiếp theo của tính toán hồ chứa này sử dụng những gì vốn đã rất tốt và làm cho nó hiệu quả hơn đáng kể.

Ông và các đồng nghiệp có kế hoạch mở rộng công việc này để giải quyết các vấn đề tính toán thậm chí còn khó hơn, chẳng hạn như dự báo động lực học chất lỏng.

“Đó là một vấn đề cực kỳ khó giải quyết. Chúng tôi muốn xem liệu chúng tôi có thể tăng tốc quá trình giải quyết vấn đề đó bằng cách sử dụng mô hình tính toán hồ chứa đã được đơn giản hóa của chúng tôi hay không ”.

Tham khảo: “Tính toán hồ chứa thế hệ tiếp theo” của Daniel J. Gauthier, Erik Bollt, Aaron Griffith và Wendson AS Barbosa, 21 tháng 9 năm 2021, Nature Communications .
DOI: 10.1038 / s41467-021-25801-2

Đồng tác giả của nghiên cứu là Erik Bollt, giáo sư kỹ thuật điện và máy tính tại Đại học Clarkson; Aaron Griffith, người đã nhận bằng Tiến sĩ vật lý tại Bang Ohio; và Wendson Barbosa, một nhà nghiên cứu sau tiến sĩ về vật lý tại Bang Ohio.

Công việc được hỗ trợ bởi Không quân Hoa Kỳ, Văn phòng Nghiên cứu Lục quân và Cơ quan Dự án Nghiên cứu Tiên tiến Quốc phòng.

Theo Scitechdaily

What's your reaction?

Excited
0
Happy
0
In Love
0
Not Sure
0

You may also like

Leave a reply

Email của bạn sẽ không được hiển thị công khai. Các trường bắt buộc được đánh dấu *

Website này sử dụng Akismet để hạn chế spam. Tìm hiểu bình luận của bạn được duyệt như thế nào.