محققان دانشگاه تهران با توسعه نرم‌افزاری نوین، امکان طراحی سریع و کم‌هزینه تراشه‌های سفارشی برای دستگاه‌های اینترنت اشیاء را فراهم کرده‌اند که علاوه بر کاهش مصرف انرژی، سرعت پردازش مدل‌های هوش مصنوعی را نیز افزایش می‌دهد.
به گزارش دیده بان علم ایران به نقل از معاونت علمی، فناوری و اقتصاد دانش‌بنیان ریاست‌جمهوری، محققان دانشگاه تهران با حمایت ستاد توسعه فناوری‌های اتصال‌پذیری و ارتباطات، نرم‌افزاری نوآورانه ارائه داده‌اند که قادر است پردازنده‌هایی سفارشی‌سازی‌شده برای اجرای سریع و کم‌مصرف مدل‌های هوش‌مصنوعی، به ویژه یادگیری عمیق، در دستگاه‌های اینترنت اشیا طراحی کند.
این دستاورد که در دانشکده مهندسی برق و کامپیوتر دانشگاه تهران به سرپرستی مصطفی ارسالی صالحی نسب و مهدی مدرسی، طراحی شده که امکان طراحی خودکار پردازنده‌های اختصاصی را فراهم می‌کند تا مدل‌های هوش‌مصنوعی به ویژه یادگیری عمیق، با سرعت و مصرف انرژی بسیار پایین در دستگاه‌های اینترنت اشیاء اجرا شوند.
مصطفی ارسالی صالحی نسب، سرپرست این پروژه، شتاب‌دهی به پردازش داده‌ها، امکان پیش‌بینی دقیق رفتار سیستم‌ها، ارتقای امنیت اطلاعات و افزایش استقلال دستگاه‌های هوشمند را از ویژگی‌های کلیدی این محصول خواند و اظهار کرد: این فناوری که اکنون در سطح TRL4 قرار دارد و آزمایش‌های اولیه آن با موفقیت به پایان رسیده است، در شاخص‌هایی نظیر دقت، سرعت و مصرف انرژی، پیشرفت‌های قابل توجهی را نشان داده است.
وی افزود: پلتفرم نرم‌افزاری ما، راهکاری نوین برای ساخت تراشه‌های سفارشی است که امکان اجرای سریع و کم‌مصرف مدل‌های یادگیری عمیق را در دستگاه‌های هوشمند فراهم می‌کند.
صالحی نسب با اشاره به امکان مقیاس‌پذیری بالا و رقابت با پردازنده‌های گرافیکی این ابزار، بیان کرد: این دستاورد با توجه به در دسترس بودن FPGA در داخل کشور، می‌تواند به توسعه سریع و مستقل صنایع هوش مصنوعی کمک شایانی کند.
مهدی مدرسی، دیگر پژوهشگر این طرح، ادامه داد: کاربردهای این فناوری بسیار گسترده است و حوزه‌هایی مانند هوشمندسازی لبه‌های اینترنت اشیاء، کاهش مصرف انرژی، اینترنت اشیاء پزشکی، سامانه‌های پردازش برخط تصویر و صوت در خودروهای هوشمند و همچنین هوشمندسازی سیستم‌های پایش صنعتی را در برمی‌گیرد.
وی افزود: با استفاده از این ابزار، می‌توانیم پردازنده‌های هوش مصنوعی اختصاصی خود را با سرعت و هزینه بسیار کمتر نسبت به روش‌های سنتی طراحی کنیم. این امر به ما امکان می‌دهد تا محصولات را هوشمندتر با عملکرد بهتر و هزینه کمتر به بازار عرضه کنیم.
مدرسی، در پایان خاطر نشان کرد: این ابزار با سفارشی‌سازی اندازه مدل و بهینه‌سازی هوشمندانه، امکان اجرای مدل‌های هوش مصنوعی را با سرعت و دقت بالاتر و مصرف انرژی کمتر بر روی دستگاه‌های با منابع محدود فراهم می‌آورد.