ارتقای کارایی شتاب دهنده های هوش مصنوعی و پردازش تصویر در دانشگاه تهران

پژوهشگران دانشکده مهندسی برق و کامپیوتر دانشگاه تهران با ارائه یک معماری نوین برای ضرب کننده های ممیز شناور (Floating-Point Multiplier)، موفق به کاهش چشمگیر توان مصرفی، - ارتقای کارایی شتاب دهنده های هوش مصنوعی و پردازش تصویر در دانشگاه تهران پژوهشگران دانشکده مهندسی برق و کامپیوتر دانشگاه تهران با ارائه یک معماری نوین برای ضرب کننده های ممیز شناور (Floating-Point Multiplier)، موفق به کاهش چشمگیر توان مصرفی، مساحت تراشه و زمان تأخیر در محاسبات شدند.

این دستاورد می تواند نقش مهمی در افزایش بهره وری سامانه های هوش مصنوعی، شبکه های عصبی و پردازش تصویر ایفا کند.

پژوهشگران دانشکده مهندسی برق و کامپیوتر دانشگاه تهران در پژوهشی جدید، یک ضرب کننده تقریبی ممیز شناور با عنوان AFMIS (Approximate Floating-point Multiplier based on Input Segmentation) طراحی کرده اند که با بهره گیری از روش بخش بندی ورودی ها، ضمن حفظ دقت محاسبات در کاربردهای تحمل پذیر خطا، مصرف انرژی و پیچیدگی سخت افزاری را به میزان قابل توجهی کاهش می دهد.

این پژوهش به قلم اسما ناصری راد، دکتر شقایق وحدت و دکتر علی افضلی کوشا از اعضای هیأت علمی دانشکده مهندسی برق و کامپیوتر دانشگاه تهران و با همکاری دکتر مسعود پدرام از دانشگاه کالیفرنیای جنوبی آمریکا انجام شده و نتایج آن در مجله معتبر Future Generation Computer Systems منتشر شده ا�