Το συνέδριο πραγματοποιήθηκε από τις 8 έως τις 12 Νοεμβρίου 2026 στο Σαν Χοσέ (San Jose) της Καλιφόρνιας των ΗΠΑ και αποτελεί μία από τις σημαντικότερες παγκόσμιες επιστημονικές διοργανώσεις στον τομέα του σχεδιασμού ολοκληρωμένων κυκλωμάτων και υπολογιστικών συστημάτων.
Η βραβευμένη επιστημονική εργασία
Η εργασία που ξεχώρισε ανάμεσα σε εκατοντάδες συμμετοχές από όλο τον κόσμο φέρει τον τίτλο:
«Adapting DNNs to Embrace Voltage Scaling Induced Errors via Accumulation-Aware Quantization»
Συγγραφείς της μελέτης είναι οι:
Αλέξιος Μάρας (Alexis Maras)
Παναγιώτης Χάιδος (Panagiotis Chaidos)
Γεώργιος Αλεξανδρής (Georgios Alexandris)
Δημήτριος Σούδρης (Dimitrios Soudris)
Σωτήριος Ξύδης (Sotirios Xydis)
Τι αφορά η έρευνα και γιατί είναι σημαντική;
Η σύγχρονη Τεχνητή Νοημοσύνη (ΑΙ) βασίζεται στα λεγόμενα Βαθιά Νευρωνικά Δίκτυα (Deep Neural Networks – DNNs), τα οποία απαιτούν τεράστιο όγκο υπολογισμών και, κατά συνέπεια, καταναλώνουν πολύ μεγάλες ποσότητες ηλεκτρικής ενέργειας.
Η ερευνητική ομάδα του ΕΜΠ εστίασε στο πώς μπορούν οι επεξεργαστές τεχνητής νοημοσύνης να λειτουργούν με πολύ χαμηλότερη τάση ρεύματος (τεχνική Voltage Scaling) για εξοικονόμηση ενέργειας, χωρίς όμως να επηρεάζεται η αξιοπιστία τους. Ενώ η χαμηλή τάση προκαλεί συνήθως υπολογιστικά σφάλματα στους μικροεπεξεργαστές, η καινοτόμος μεθοδολογία των ερευνητών «εκπαιδεύει» τα νευρωνικά δίκτυα να προσαρμόζονται και να λειτουργούν απρόσκοπτα κάτω από αυτές τις συνθήκες.
Τα εντυπωσιακά αποτελέσματα της μεθόδου:
39% μείωση στη συνολική κατανάλωση ενέργειας.
23% βελτίωση της συνολικής ενεργειακής απόδοσης σε σχέση με τον χρόνο εκτέλεσης (Energy-Delay Product).
Διατήρηση της ακρίβειας των αποτελεσμάτων σε κορυφαία επίπεδα (απώλεια μικρότερη του 1%).
Ένα μήνυμα υπερηφάνειας
Θερμά συγχαρητήρια στον Αλέξη μας και σε όλους τους συντελεστές της ερευνητικής ομάδας για αυτή τη σπουδαία διεθνή επιτυχία.


Δεν υπάρχουν σχόλια:
Δημοσίευση σχολίου