AI-modeller og platforme
AI-Hardwareteknologi Imiterer Ændringer i Neuralt Netværkstopologi
Føj Unite.AI til dine foretrukne kilder på Google
En gruppe forskere fra Korea Advanced Institute of Science and Technology (KAIST) har foreslået et nyt system, der er inspireret af hjernens neuromodulation, og som kaldes et “stashing system”. Dette nyt foreslåede system kræver mindre energiforbrug.
Holdet blev ledet af professor Kyung Min Kim fra afdelingen for Materials Science and Engineering. Forskningen blev offentliggjort i Advanced Functional Materials og blev støttet af KAIST, National Research (NRC ) Foundation of Korea, National NanoFab Center og SK Hynix.
Imitering af Neuralt Netværkstopologi
Forskerne udviklede en teknologi, der kan håndtere matematiske operationer for kunstig intelligens effektivt ved at imitere ændringerne i neuralt netværkstopologi afhængigt af situationen. Dette var inspireret af det menneskelige hjerte, der kan ændre sin neurale topologi i realtid, hvilket ermöglicher det at lære at gemme eller hente minder, når det er nødvendigt.
Denne nye type AI-læringsmetode implementerer direkte neurale koordinationscirkonfigurationer.
For at implementere AI effektivt i elektroniske enheder er det vigtigt, at tilpasset hardwareudvikling bliver støttet. Med det sagt kræver de fleste elektroniske enheder, der er lavet til AI, høj energiforbrug. Hvis de skal udføre store opgaver, har de også brug for højintegrerede hukommelsesarray. Disse begrænsninger i forbrug og integration har vist sig at være svære at overvinde, så forskerne er begyndt at kigge dybere ind i det menneskelige hjerte for at vide, hvordan det løser problemer.
Meget Effektiv Teknologi
Holdet demonstrerede effekten af den nye teknologi ved at oprette kunstigt neuralt netværkshardware med en selvretificerende synaptisk array og en algoritme, der kaldes et “stashing system”. Denne hardware blev udviklet til at udføre AI-læring, og den kunne reducere energiforbruget med 37% inden for stashing-systemet uden at lide af en nedgang i nøjagtighed.
“I denne studie implementerede vi læremetoden for det menneskelige hjerte med kun en simpel cirkonfiguration og gennem dette var vi i stand til at reducere den energi, der var nødvendig, med næsten 40 procent,” sagde professor Kim.
En af de vigtige aspekter ved dette nye stashing-system, der imiterer hjernens aktivitet, er, at det er kompatibelt med eksisterende elektroniske enheder og kommercielle halvlederhardware. Systemet kunne spille en stor rolle i designet af næste generations halvlederchips til AI.
