Forschern des College of Engineering der Oregon State University ist ein bedeutender Durchbruch gelungen. Sie haben einen effizienteren Chip entwickelt, der die hohen Energieverbrauchsprobleme großer Sprachmodell-KI-Anwendungen wie Gemini und GPT-4 lösen soll. Diese Innovation, eine Zusammenarbeit zwischen Doktorand Ramin Javadi und dem außerordentlichen Professor für Elektrotechnik, Tejasvi Anand, wurde auf der IEEE Custom Integrated Circuits Conference in Boston vorgestellt.

„Wir haben einen neuen Chip entwickelt und gefertigt, der nur halb so viel Strom verbraucht wie herkömmliche Chips“, sagte Ramin Javadi. Er wies darauf hin, dass der Energiebedarf für die Übertragung eines einzelnen Bits trotz stetig steigender Datenraten nicht entsprechend gesunken sei. Dies sei ein Hauptgrund für den enormen Stromverbrauch von Rechenzentren.

Der neue Chip basiert auf Prinzipien der künstlichen Intelligenz und kann den Stromverbrauch der Signalverarbeitung deutlich reduzieren. Javadi erklärte, dass große Sprachmodelle enorme Datenmengen über kabelgebundene Kupferverbindungen in Rechenzentren senden und empfangen müssen – ein Prozess, der sehr viel Energie verbraucht. Daher ist die Entwicklung effizienterer Chips für die kabelgebundene Kommunikation eine dringende Lösung.

Bei der Hochgeschwindigkeits-Datenübertragung werden die empfangenden Daten häufig beschädigt und müssen bereinigt werden. Herkömmliche kabelgebundene Kommunikationssysteme verwenden hierfür typischerweise energieintensive Entzerrer. Javadi und sein Team hingegen nutzen Prinzipien der On-Chip-KI, um einen On-Chip-Klassifikator zu trainieren, der Fehler erkennt und korrigiert und so Daten intelligenter und effizienter wiederherstellt.

Javadi und Anand arbeiten derzeit an der nächsten Generation dieses Chips mit dem Ziel, dessen Design weiter zu optimieren und seine Energieeffizienz zu verbessern. Diese Forschung leistet nicht nur einen wichtigen Beitrag zur nachhaltigen Entwicklung von Anwendungen künstlicher Intelligenz, sondern ebnet auch neue Wege für den effizienten Betrieb zukünftiger Rechenzentren.