يتطلب نشر الشبكات العصبية على الأجهزة غير التقليدية مهارات تصميم معمارية متقدمة قادرة على تحسين دقة المهام والامتثال لمتطلبات معينة مثل تكلفة الطاقة، والعيوب الفيزيائية، والprecision (الدقة) العددية. لكن، تقنيات البحث عن المعمارية العصبية (Neural Architecture Search - NAS) المتاحة حاليًا غالبًا ما تكون مصممة لعائلة واحدة من الأجهزة، مما يحد من المقارنات عبر المنصات والتعميم.

في هذا السياق، نُقدم لكم تقنية جديدة تُعرف باسم بحث المعمارية العصبية للأجهزة غير التقليدية (Unconventional Hardware Neural Architecture Search - UH-NAS). هذه التقنية الجبارة تجمع بين نماذج اللغة (Language Models) كعوامل تطورية لتحسين كل من دقة الأداء واستهلاك الطاقة في نفس الوقت.

تقوم UH-NAS بتعريض الأجهزة كخلفية قابلة للتبديل مع نماذج الطاقة الخاصة بكل منصة، ومحاكيات قيودها الفيزيائية، مما يسمح بمقارنات عادلة على مستوى النظام بين مختلف الأجهزة دون الحاجة لتغيير خوارزمية البحث.

تم اختبار UH-NAS على أجهزة MZI البصرية، واكتشف البحث المعتمد على الذكاء الاصطناعي معمارية أكثر تنوعًا وقوة من المعايير التقليدية، مُتفوقًا على الأساليب السابقة التي تربط بين نماذج اللغة ونماذج البحث.

تسليط الضوء على أهمية التصميم المشترك بين المعمارية والأجهزة للأجهزة الحاسوبية الناشئة يبرز الابتكار والثورة التي يشهدها عالم الذكاء الاصطناعي. هذا التطور يُعتبر خطوة نحو تحسين الفعالية في التطبيقات المستقبلية للحوسبة.