Forskere demonstrerer AI “nanomagnetisk” beregning

Et hold af forskere på Imperial College London har demonstreret, hvordan det er muligt at udføre kunstig intelligens (AI) med små nanomagneter, der interagerer som hjernens neuroner.

Denne nye metode til “nanomagnetisk” beregning kan reducere energiomkostningerne i forbindelse med AI. Dette er afgørende, da AI-energiomkostningerne fordobles globalt hver 3,5 måned.

Forskningen blev offentliggjort i tidsskriftet Nanotechnology.

Opnåelse af AI-lignende procesering med nanomagneter

I forskningsartiklen demonstrerede holdet den første bevis for, at netværk af nanomagneter kan opnå AI-lignende procesering. De viste også, hvordan disse nanomagneter kan bruges til ‘tidsserieforudsigelse’-opgaver, som inkluderer ting som at forudsige insulin niveauer for diabetiske patienter.

Klassiske neurale netværk er baseret på, hvordan det menneskelige hjernen fungerer, med neuroner, der kommunikerer med hinanden for at behandle information. Det har dog været svært at bruge magneter direkte i denne proces, da forskerne ikke har vidst, hvordan de skal indsætte data eller udtrække information.

For at simulere magnetinteraktioner benytter eksperter normalt software, der køres på traditionelle silicium-baserede computere, som hjælper med at simulere hjernen. Den nuværende fremgang indebar, at holdet brugte magneter selv til at behandle og gemme data, hvilket eliminerer behovet for software-simulation.

Nanomagneter er ikke alle ens. De kommer i forskellige ’tilstande’, der afhænger af deres retning. Ved at anvende et magnetfelt på et netværk af nanomagneter kan tilstanden af magneterne ændre sig afhængigt af egenskaberne af inputfeltet og tilstanden af omgivende magneter.

Design af den nye teknik

Holdet kunne derefter designe en teknik til at tælle antallet af magneter i hver tilstand efter feltet var passeret.

Dr. Jack Gartside er medforfatter til studiet.

“Vi har forsøgt at løse problemet med, hvordan vi kan indsætte data, stille et spørgsmål og få et svar ud af magnetisk beregning i lang tid,” sagde Dr. Gartside. “Nu har vi bevist, at det kan gøres, og det baner vejen for at eliminere computersoftwaren, der udfører den energiintensive simulation.”

Killian Stenning er medforfatter af artiklen.

“Hvordan magneterne interagerer giver os alle de oplysninger, vi behøver; fysikkens love selv bliver computeren,” sagde Stenning.

Dr. Will Branford er holdleder.

“Det har været et langsigtede mål at realisere computerhardware inspireret af softwarealgoritmerne fra Sherrington og Kirkpatrick,” sagde Dr. Branford. “Det var ikke muligt ved hjælp af spin på atomer i konventionelle magneter, men ved at skala op spin til nanopatternede array’er har vi kunnet opnå den nødvendige kontrol og udgang.”

Reduktion af energispild

En stor del af den energi, der bruges til AI i konventionelle, silicium-chip computere, spildes på grund af ineffektiv transport af elektroner under procesering og hukommelseslagring. På den anden side har nanomagneter ikke brug for den fysiske transport af partikler som elektroner. De behandler og overfører information med en ‘magnon’-bølge, hvor hver magnet påvirker tilstanden af andre omkring det.

Dette resulterer i mindre energispild. Behandling og lagring af information sker sammen i stedet for separat, som er tilfældet i traditionelle computere. Med alle disse fremskridt kan nanomagnetisk beregning være op til 100.000 gange mere effektiv end konventionel beregning.