Modely a platformy AI

Výzkumníci demonstrují AI „nanomagnetické“ zpracování

Alex McFarland
Přidejte Unite.AI mezi své preferované zdroje na Google
Klíčové bodyNanomagnetické výpočty by mohly snížit náklady na energii v AI až 100 000krát.
Zobrazit více
  • Nanomagnetické výpočty by mohly snížit náklady na energii v AI až 100 000krát.
  • Technika využívá fyzické interakce magnetů namísto energeticky náročných softwarových simulací.
  • Sítě nanomagnetů nyní dokážou provádět predikci časových řad, například předpovídání hladiny inzulínu.

Tým výzkumníků z Imperial College London demonstroval, jak je možné provádět umělou inteligenci (AI) s drobnými nanomagnety, které interagují jako neurony v mozku.

Tato nová metoda „nanomagnetického“ zpracování by mohla snížit energetické náklady spojené s AI. To je zásadní, protože energetické náklady na AI se celosvětově zdvojnásobují každých 3,5 měsíců.

Výzkum byl zveřejněn v časopise Nanotechnology.

Dosažení AI-podobného zpracování s nanomagnety

Ve výzkumné práci tým demonstroval první důkaz, že sítě nanomagnetů mohou dosáhnout AI-podobného zpracování. Také ukázali, jak tyto nanomagnety lze použít pro úkoly „predikce časových řad“, které zahrnují věci jako předpověď hladiny inzulínu u diabetických pacientů.

Klasické neuronové sítě jsou založeny na způsobu, jakým funguje lidský mozek, s neurony komunikujícími mezi sebou pro zpracování informací. Nicméně, bylo obtížné použít magnety přímo v tomto procesu, protože výzkumníci nevěděli, jak vložit data nebo extrahovat informace.

Pro simulaci interakcí magnetů obvykle odborníci spoléhají na software běžící na tradičních počítačích se křemíkovými čipy, které simulují mozek. Při tomto pokroku tým použil samotné magnety pro zpracování a ukládání dat, což eliminuje potřebu softwarové simulace.

Nanomagnety nejsou všechny stejné. Místo toho přicházejí v různých „stavech“, které závisí na jejich směru. Používáním magnetického pole na síť nanomagnetů lze změnit stav magnetů na základě vlastností vstupního pole a stavů okolních magnetů.

Navrhování nové techniky

Tým byl schopen navrhnout techniku pro počítání počtu magnetů v každém stavu po průchodu polem.

Dr. Jack Gartside je jedním ze dvou rovnocenných prvních autorů studie.

„Pokoušíme se dlouho vyřešit problém, jak vložit data, položit otázku a získat odpověď z magnetického počítače,“ řekl Dr. Gartside. „Teď jsme prokázali, že to lze udělat, a to otevírá cestu pro odstranění počítačového softwaru, který provádí energeticky náročnou simulaci.“

Killian Stenning je jedním ze dvou rovnocenných prvních autorů článku.

„Jak magnety interagují, nám dává všechny informace, které potřebujeme; zákony fyziky se samy o sobě stávají počítačem,“ řekl Stenning.

Dr. Will Branford je vedoucí týmu.

„Dlouhodobým cílem bylo realizovat počítačové hardwarové součásti inspirované softwarovými algoritmy Sherringtona a Kirkpatricka,“ řekl Dr. Branford. „To nebylo možné pomocí spinů na atomech v konvenčních magnetech, ale škálováním spinů do polí se strukturou v nanoměřítku jsme byli schopni dosáhnout potřebné kontroly a čtení.”

Snižování energetických ztrát

Velká část energie spotřebované pro AI v konvenčních počítačích se křemíkovými čipy je zbytečně ztracena kvůli neefektivnímu transportu elektronů během zpracování a ukládání. Na druhé straně nanomagnety nevyžadují fyzický transport částic, jako jsou elektrony. Zpracovávají a přenášejí informace pomocí „magnonové“ vlny, přičemž každý magnet ovlivňuje stav ostatních kolem něj.

Tento proces vede k menšímu množství energetických ztrát. Zpracování a ukládání informací se provádí společně, a nikoli samostatně, jako je tomu u tradičních počítačů. S těmito pokroky by nanomagnetické zpracování mohlo být až 100 000krát účinnější než konvenční zpracování.

Alex vede AI‑poháněné zpravodajské operace společnosti Unite.AI, spojuje žurnalistiku, výzkum a automatizaci, aby podpořil včasné a škálovatelné pokrytí umělé inteligence. Jeho práce pomáhá zajistit, aby byly nové události v oblasti AI efektivně prezentovány a zároveň byly zachovány redakční standardy publikace.