به گفته این اقتصاددان ایرانی، محققان دانشگاه تهران با حمایت ستاد توسعه فناوری ارتباطات و ارتباطات، نرم افزاری نوآورانه را با قابلیت طراحی پردازنده های سفارشی برای پیاده سازی سریع و کم مصرف مدل های هوش مصنوعی به ویژه یادگیری عمیق در دستگاه های اینترنت اشیا معرفی کردند.

این دستاورد که در دانشکده مهندسی برق و کامپیوتر دانشگاه تهران به سرپرستی مصطفی عسلی صالحی نسب و مهدی مدرسی طراحی شده است، امکان طراحی خودکار پردازنده های ویژه مدل های هوش مصنوعی به ویژه یادگیری عمیق را فراهم می کند. سرعت و مصرف انرژی بسیار پایین در دستگاه های اینترنتی.

مصطفی عسلی صالحی نسب، سرپرست این طرح، تسریع در پردازش داده ها، قابلیت پیش بینی دقیق رفتار سیستم ها، ارتقای امنیت اطلاعات و افزایش استقلال دستگاه های هوشمند را از ویژگی های اصلی این محصول عنوان کرد و گفت: این فناوری، که در حال حاضر در سطح TRL4 است و آزمایشات فاز اولیه آن با موفقیت به پایان رسیده است، پیشرفت های قابل توجهی در عملکرد مانند دقت، سرعت و مصرف انرژی نشان داده است.

وی افزود: پلتفرم نرم افزاری ما راه حل جدیدی برای ساخت تراشه های سفارشی است که اجرای سریع و مقرون به صرفه مدل های یادگیری عمیق در دستگاه های هوشمند را امکان پذیر می کند.

صالحی نسب با اشاره به امکان گسترش و رقابت بالا با پردازنده های گرافیکی این ابزار گفت: با توجه به حضور FPGA در کشور، این دستاورد می تواند کمک زیادی به توسعه سریع و مستقل بخش های هوش مصنوعی کند.

مهدی مدرسی یکی دیگر از محققین این طرح ادامه داد: کاربرد این فناوری بسیار گسترده است و حوزه هایی مانند هوشمندسازی اینترنت اشیا، کاهش مصرف انرژی، اینترنت اشیاء پزشکی، تصاویر آنلاین و سیستم های هوشمند پردازش صدا را در بر می گیرد. ماشین آلات و همچنین سیستم های نظارت صنعتی هوشمند.

وی به نقل از معاونت علمی افزود: با استفاده از این ابزار می توانیم پردازنده های هوش مصنوعی خود را با سرعت و هزینه بسیار کمتری نسبت به روش های سنتی طراحی کنیم. این به ما امکان می دهد تا محصولاتی را با عملکرد بهتر و هزینه کمتر به بازار عرضه کنیم.

مدرسی در پایان خاطرنشان کرد: این ابزار با تنظیم اندازه مدل و بهینه‌سازی هوشمند، مدل‌های هوش مصنوعی را قادر می‌سازد با سرعت و دقت بالاتر و مصرف انرژی کمتر بر روی دستگاه‌های دارای محدودیت منابع اجرا شوند.