Мемристоры, электрические компоненты, которые хранят информацию в своем электрическом сопротивлении, могут снизить энергопотребление искусственного интеллекта примерно в 90 раз по сравнению с современными графическими процессорами. По прогнозам, к 2027 году на долю искусственного интеллекта уже будет приходиться около половины процента от общего мирового потребления электроэнергии, и эта цифра может увеличиться по мере того, как все больше компаний будут продавать и использовать инструменты искусственного интеллекта
«Сейчас существует большой интерес к искусственному интеллекту, но для обработки больших и более интересных данных необходимо увеличить размер сети. Это не очень эффективно», – говорит Вэй Лу, профессор инженерного дела Джеймса Р. Меллора в Калифорнийском университете и соавтор исследования с Джоном Хероном, доцентом кафедры материаловедения и инженерии Калифорнийского университета.
Проблема в том, что графические процессоры работают совсем не так, как искусственные нейронные сети, которые управляют алгоритмами искусственного интеллекта — вся сеть и все ее взаимодействия должны последовательно загружаться из внешней памяти, что требует как времени, так и энергии. Напротив, мемристоры обеспечивают экономию энергии, поскольку они имитируют ключевые аспекты функционирования как искусственных, так и биологических нейронных сетей без внешней памяти. В определенной степени мемристорная сеть может быть аналогом искусственной нейронной сети.
«Мы ожидаем, что наша совершенно новая система материалов сможет повысить энергоэффективность чипов искусственного интеллекта в шесть раз по сравнению с современными материалами без изменения временных констант», – сказал Сиун Чэ, недавний выпускник Университета Калифорнии в области материаловедения и инженерии и соавтор первого исследования. исследование проводилось совместно с Сангмин Ю, недавним аспирантом Калифорнийского университета в области электротехники и вычислительной техники.
В биологической нейронной сети хронометраж достигается за счет расслабления. Каждый нейрон получает электрические сигналы и передает их другим нейронам, но это не гарантирует, что сигнал будет передаваться дальше. Прежде чем нейрон начнет посылать свои собственные сигналы, должен быть достигнут определенный порог поступающих сигналов, и он должен быть достигнут за определенное время. Если проходит слишком много времени, считается, что нейрон расслабляется, поскольку из него вытекает электрическая энергия. Наличие в наших нейронных сетях нейронов с разным временем расслабления помогает нам понимать последовательность событий.
Мемристоры работают немного по-другому. Меняется не только общее наличие или отсутствие сигнала, но и то, какой объем электрического сигнала проходит через мемристор. Воздействие сигнала уменьшает сопротивление мемристора, позволяя большему количеству следующего сигнала проходить. В мемристорах релаксация означает, что сопротивление со временем снова возрастает.
Хотя в прошлом группа Лу исследовала возможность использования времени релаксации в мемристорах, систематически контролировать это было невозможно. Но теперь команда Лу и Херона показала, что различные варианты материала основы могут обеспечивать разное время релаксации, позволяя мемристорным сетям имитировать этот механизм хронометража.
Команда разработала материалы на основе сверхпроводника YBCO, состоящего из иттрия, бария, углерода и кислорода. Он не обладает электрическим сопротивлением при температурах ниже –292 градусов по Фаренгейту, но они были необходимы из-за его кристаллической структуры. Это определило структуру оксидов магния, кобальта, никеля, меди и цинка в материале мемристора.
Херон называет этот тип оксида, стабилизированного энтропией, «кухонной раковиной атомарного мира» – чем больше элементов они добавляют, тем стабильнее он становится. Изменяя соотношение этих оксидов, команда достигла значений постоянной времени в диапазоне от 159 до 278 наносекунд, или триллионных долей секунды. Простая мемристорная сеть, которую они создали, научилась распознавать звуки чисел от нуля до девяти. После обучения он мог идентифицировать каждый номер еще до завершения ввода аудиосигнала.
Эти мемристоры были изготовлены с использованием энергоемкого процесса, поскольку команде требовались идеальные кристаллы для точного измерения их свойств, но они ожидают, что для массового производства подойдет более простой процесс.
«Пока что это видение, но я думаю, что есть пути к тому, чтобы сделать эти материалы масштабируемыми и доступными по цене», – сказал Херон. «Эти материалы широко распространены на земле, нетоксичны, дешевы, и их можно практически распылять».
Исследование финансировалось Национальным научным фондом. Оно было проведено в партнерстве с исследователями из Университета Оклахомы, Корнелльского университета и Университета штата Пенсильвания.
Устройство было создано на заводе по производству наноматериалов имени Лурье и изучено в Мичиганском центре изучения характеристик материалов.
На изображении: Энтропийно-стабилизированный оксид помещен между сверхпроводником YBCO, на котором он был выращен, и титаново-платиновым электродом. Множество цветов представляют различные компоненты энтропийно-стабилизированного оксида. Изменяя соотношение компонентов, команда смогла создать мемристоры, которые расслаблялись с разной скоростью после воздействия электрического тока, имитируют то, как нейроны ощущают время.Источник: https://www.eenewseurope.com/en/researchers-develop-memristors-that-give-ai-chips-sense-of-time/?utm...
Если вам понравился материал, кликните значок - вы поможете нам узнать, каким статьям и новостям следует отдавать предпочтение. Если вы хотите обсудить материал - не стесняйтесь оставлять свои комментарии : возможно, они будут полезны другим нашим читателям!
