Les chercheurs de l'Université de Tokyo créent des dispositifs IoT de bord de l'IA économes en énergie à l'aide de l'architecture MRAM et de l'algorithme TGBNN. Tokyo University researchers create energy-efficient AI edge IoT devices using MRAM architecture and TGBNN algorithm.

Des chercheurs de l'Université des sciences de Tokyo ont développé une architecture de RAM magnétique (MRAM) qui améliore les capacités d'IA pour les appareils IoT bord. Researchers from the Tokyo University of Science have developed a Magnetic RAM (MRAM)-based architecture that enhances AI capabilities for edge IoT devices. En utilisant un nouvel algorithme d'entraînement appelé Ternary Gradient BNN (TGBNN), cette conception réduit la taille des circuits et la consommation d'énergie tout en maintenant les performances. Utilizing a new training algorithm called Ternary Gradient BNN (TGBNN), this design reduces circuit size and power consumption while maintaining performance. L'innovation promet une AI efficace dans des applications comme les moniteurs de santé portables et les maisons intelligentes, contribuant à la durabilité en réduisant l'utilisation d'énergie. The innovation promises efficient AI in applications like wearable health monitors and smart homes, contributing to sustainability by lowering energy usage.