پلتفرم یادگیری عمیق با استفاده از FPGA
مایکروسافت از FPGA های Startix 10 شرکت اینتل برای ساخت پلت فرم یادگیری عمیق (یا یادگیری سلسله مراتبی) که قادر به ارائه هوش مصنوعی بی درنگ است در راستای پروژهBrainwaves خود استفاده می‌کند.این مسأله به زیرساخت پردازش ابری اجازه می‌دهد تا داده‌ها را با همان سرعت که می‌رسند پردازش کند.
براساس ادعای مایکروسافت بسیاری از شتاب دهنده‌های سلیکونی هوش مصنوعی نیازمند گروه بندی برای دستیابی به کارایی بالا هستند. استفاده از FPGAکارایی پروژهBrainwaves را به بیش از ۳۹ترافلاپس می‌رساند. مایکروسافت Startix 10 را در بلوک‌های ارتباطی افزوده شده برروی تراشه انتخاب کرده تا کارایی بالا در یادگیری عمیق بر روی بسیاری از انواع داده فراهم کند. برای مطالعه بیشتر به اینجا مراجعه کنید
ماده ایده آل برای حافظه
پژوهشگران موسسه کره‌ای علوم پایه (IBS) با استفاده از ماده ایده آل دریافته اند در می توان مدت زمان بیشتری نسبت به دستگاه های کنونی داده ها را ذخیره کرد. با استفاده از ماده ایده آل و با معماری خاصی از سطوح انرژی برای الکترون‌های ماده ارائه داده‌اند که در آن هرچه انرژی الکترون بالاتر باشد در سطح بالاتری قرار می‌گیرد.
در این روش، داده‌های درون طبقه‌های بالایی باگذشت زمان از بین نمی روند. دانشمندان معتقدند که در نهایت فرآیند به هم ریختگی رخ خواهد داد اما در زمانی بسیار طولانی خواهد بود. برای مطالعه بیشتر به اینجا مراجعه کنید.
حافظه مغناطیس – الکتریک
پژوهشگران موسسه فیزیک و فناوری مسکو (MART ) نوع جدیدی از حافظه کامپیوتر که انرژی مصرفی آن کم است را ارائه داده‌اند. تا به امروز، فن آوری RAM با سریعتر شدن ماژول های حافظه به سرعت در حال پیشرفت بوده است.با این حال، این نوع از حافظه دارای محدودیتی است که نمی‌توان برآن غلبه کرد.این محدودیت همان راندمان مصرف انرژی حافظه است. در این پژوهش یک سلول حافظه مغناطیس – الکتریک ارائه شده است که مصرف انرژی خواندن و نوشتن یک بیت از آن بیش از ۱۰هزار برابر کاهش یافته است. برای مطالعه بیشتر به اینجا مراجعه کنید.
