Данная работа открывает путь к созданию энергоэффективной нейроморфной электроники, работающей с временными сигналами.
Исследователи из Великобритании разработали новый компьютерный чип, который может значительно повысить энергоэффективность некоторых систем искусственного интеллекта (ИИ).
Разработанное физиками из Университета Лафборо устройство способно обрабатывать данные, изменяющиеся со временем, непосредственно в аппаратном обеспечении, а не полагаться на программное обеспечение, работающее на обычных компьютерах.
Исследователи утверждают, что в некоторых задачах этот подход может быть до 2000 раз более энергоэффективным, чем традиционные программные методы, хотя точные показатели эффективности варьируются в зависимости от приложения.
Энергоэффективная нейроморфная электроника
«Это очень интересно, потому что показывает, что мы можем переосмыслить подход к созданию систем искусственного интеллекта», — сказал старший преподаватель физики доктор Павел Борисов, возглавлявший исследовательскую группу, финансируемую Советом по исследованиям в области инженерных и физических наук (EPSRC).
«Используя физические процессы вместо того, чтобы полагаться исключительно на программное обеспечение, мы можем значительно сократить энергозатраты на выполнение подобных задач».
В работе, опубликованной в журнале Advanced Intelligent Systems, представлено тонкопленочное мемристорное устройство на основе оксида ниобия с присущей ему структурной неоднородностью в виде случайных нанопор, а также выполнены вычислительные задачи, включающие операции XOR, распознавание изображений, прогнозирование и реконструкцию временных рядов.
«Для решения последней задачи мы выбрали сложный трехмерный хаотический временной ряд Лоренца-63. Применяя три различных временных сигнала напряжения к устройству и обучая слой считывания с помощью сигналов электрического тока от физического резервуара с тремя выходами, мы достигли удовлетворительной точности прогнозирования и реконструкции по сравнению со случаем отсутствия резервуара», — говорится в исследовании.
Исследовательская группа также сообщила, что их работа демонстрирует потенциал масштабируемых устройств на кристалле с использованием систем на основе оксидных пленок, открывая путь к энергоэффективной нейроморфной электронике, работающей с временными сигналами.
Исследователи показали, что устройство способно обрабатывать данные, зависящие от времени, и, когда его выходные данные подаются на вход линейной компьютерной модели, может использоваться для выявления закономерностей и составления краткосрочных прогнозов.
Согласно пресс-релизу, система была протестирована с использованием системы Лоренца-63 — известной математической модели хаоса, связанной с «эффектом бабочки», где небольшие изменения могут приводить к совершенно разным результатам, — а также задач, включающих распознавание простых пикселированных изображений чисел и выполнение основных логических операций.
В ходе этих тестов модель смогла использовать данные, обработанные с помощью мемристора, для успешного прогнозирования кратковременного поведения хаотической системы Лоренца и восстановления недостающих данных. Она также правильно идентифицировала пикселированные числа и выполнила основные логические операции, показав, что одно и то же устройство может поддерживать целый ряд различных задач, как и было заявлено в пресс-релизе.
Снижение энергопотребления
«Вдохновленные тем, как человеческий мозг формирует множество, казалось бы, случайных нейронных связей между всеми своими нейронами, мы создали сложные, случайные физические связи в искусственной нейронной сети, разработав поры в нанометровых тонких пленках оксида ниобия в рамках нового электронного устройства», — сказал доктор Борисов.
«Мы показали, как с помощью этих устройств можно прогнозировать будущую эволюцию сложного временного ряда при энергопотреблении в две тысячи раз меньшем, чем при использовании стандартного программного решения».
Sourse: interestingengineering.com
