Исследователи MIT разрабатывают новые чипы для IoT и нейросетей. | SHIFU.IO
Статьи
Исследователи MIT разрабатывают новые чипы для IoT и нейросетей.
Редакция 16.02.2018
Две разные исследовательские команды Массачусетского технологического института работают над проблемами увеличения безопасности гаджетов интернета вещей и снижения энергопотребления нейросетями.

В MIT взялись за разработку нового чипа, обеспечивающего шифрование на аппаратном уровне, таким образом исследователи пытаются решить проблему незащищенности датчиков IoT (Internet of Things) и скорости их подключения к большому числу других датчиков.

Чип будет использовать шифрование с помощью эллиптической криптографии, причём планируется, что он сможет справиться с обработкой любой эллиптической кривой, в отличие от многих других чипов, которые могут обрабатывать только определённые эллиптические кривые или их семейства. «Существует много споров о том, какая кривая является безопасной и какую можно использовать, и есть несколько разных стандартов кривых. С этим чипом мы можем поддерживать их все, и, надеюсь, когда появятся новые кривые, мы также сможем это делать» - сказал аспирант MIT по электронике и информатике Утсав Банерджи.

Кроме того, чип имеет DTLS (Datagram Transport Layer Security) и процессор общего назначения для экономии энергии и обработки зашифрованных данных, что поможет обеспечить лучшую безопасность для устройств IoT.

Другая группа исследователей MIT работает над ещё одним чипом – для нейросетей. Они требуют большого количество энергии, и это создаёт определённые сложности для использования их на мобильных устройствах. Обещается, что новый чип снизит энергопотребление нейросетей на 95%.

Аспирант MIT по электронике и информатике Авишек Бисвас объяснил принцип работы изобретения: «Общая процессорная модель заключается в том, что в какой-то части чипа есть память, а в другой части чипа есть процессор, и вы перемещаете данные между ними, когда делаете эти вычисления, поскольку для этих алгоритмов машинного обучения требуется так много вычислений, эта передача данных туда-сюда потребляет большую часть энергии. Но вычисление этих алгоритмов может быть упрощено до одной операции, которая называется точечный продукт. Наш подход заключался в том, можем ли мы реализовать эту функциональность для точечных продуктов внутри памяти, чтобы вам не нужно было передавать эти данные туда и обратно? "

По словам исследователей, чип преобразует входные значения узла в электрические напряжения, чтобы рассчитать точечные продукты для нескольких узлов и увеличить скорость вычислений в 3-7 раз, при снижении потребляемой мощности по сравнению с предшественниками.

 

Редакция 16.02.2018