Text

Datum 2022-01-03
Artikeltyp Aktuellt

Nytt forskningsprojekt inom Deep Learning ger stora vinster för miljön

I ett nytt forskningsprojekt, finansierat av Vetenskapsrådet, tas nya energieffektiva Deep Learning-modeller fram som kommer minska klimatavtrycket. Idag används Deep Learning (DL) i stor utsträckning vid inlärning och tolkning av större mängder data, så som vid hälsoövervakning och robotik, men även i sociala medier. Dagens DL-modeller kräver hög energiförbrukning vilket leder till stora miljökostnader. Som ett exempel kan en DL-modell generera koldioxidutsläpp som motsvarar den totala livslängden för fem bilar.

– Det ser ut som att Deep Learning kommer stå för en betydande del av koldioxidproduktionen det kommande decenniet. Det vill vi ändra på, säger professor Masoud Daneshtalab som forskar om Deep Learning och artificiell intelligens (AI) på MDU.

Deep Learning är en form av maskininlärning och artificiell intelligens som imiterar hur den mänskliga hjärnan fungerar och lär sig. Det är ett viktigt element i datavetenskap och inkluderar statistik och prediktiv modellering. Deep Learning är användbart till exempel vid automatiserad körning för att upptäcka fotgängare och minska olyckor.

– Inom AI-forskningen har forskarna främst fokuserat på att förbättra tillförlitligheten i resultaten och ägnat relativt lite uppmärksamhet åt energieffektivitet. Med det här forskningsprojektet har vi möjlighet att bidra till FN:s globala mål inom hållbarhet samtidigt som utvecklingen av Deep Learning inte äventyras, säger Masoud Daneshtalab.

Skalbara energieffektiva DL-modeller


Forskningsprojektet går under namnet GreenDL: Grön djupinlärning för kantenheter och löper under fyra år, 2022–2025. Projektet kommer bland annat att ta fram nya teoretiska grunder och algoritmer för att designa skalbara och energieffektiva DL-modeller.

För att skapa störst genomslagskraft kommer kunskap kring vikten av att använda gröna DL-modeller att spridas i samhället.

– Vi kommer redan från start tillgängliggöra källkoden i programvaran genom att skapa ett open-source-projekt där näringsliv och andra forskare kan ta del av våra resultat, säger Masoud Daneshtalab.

Masoud Daneshtalab har tidigare arbetat på Åbo universitet och Kungliga Tekniska högskolan (KTH). Han fick upp ögonen för artificiell intelligens och maskininlärning när han skrev sitt examensarbete om en hjärnliknande datorparadigm 2013. På KTH tillbringade han två år med att utveckla en anpassningsbar hårdvaruimplementering av en skalbar hjärninspirerad beräkningsarkitektur. Han har arbetat på MDH sedan 2016 och tillhör den internationellt framstående forskningsinriktningen inbyggda system, där han bland annat leder forskningsgruppen Heterogena system - co-design för hårdvaruprogramvara.

Vad ser du för möjligheter inom AI i framtiden?


– Min vision är att skapa en anpassad hårdvarudesign med den nya minnesteknologi som nu växer fram. Det skulle möjliggöra att utveckla en komplett realtidskompatibel datorenhet som matchar den mänskliga hjärnan när det gäller antalet enheter och anslutningar – i samma storlek som en Smart Watch.

Masoud Daneshtalab trivs på MDU.
– Jag gillar både att forska och att undervisa på högskolan. Men friheten och stödet i forskningen är det jag älskar mest med att arbeta här, säger han.

Relaterat

  • Datum 2021-11-30
  • Artikeltyp Aktuellt

Höga betyg när vi låtit utvärdera vår forskning

Under 2021 har vi låtit genomföra en extern forskningsutvärdering av all forskning inom högskolan. Målet med utvärderingen är att identifiera styrkorna i vår forskning, utveckla våra olika forskningsmiljöer och ytterligare höja kvaliteten.

om Höga betyg när vi låtit utvärdera vår forskning
  • Datum 2022-01-01
  • Artikeltyp Aktuellt

Nu är vi Mälardalens universitet

Från den 1 januari 2022 är vi Mälardalens universitet. I och med universitetsstatusen får Mälardalens universitet 132 miljoner kronor i ökat statligt anslag för forskning och forskarutbildning under 2022.

om Nu är vi Mälardalens universitet
Till toppen