KI-Modelle und Plattformen

Forscher demonstrieren künstliche Intelligenz “Nanomagnet”-Computing

mm
Unite.AI zu deinen bevorzugten Quellen auf Google hinzufügen

Ein Team von Forschern am Imperial College London hat gezeigt, wie es möglich ist, künstliche Intelligenz (KI) mit winzigen Nanomagneten zu realisieren, die wie die Neuronen des Gehirns interagieren.

Diese neue Methode des “Nanomagnet”-Computings könnte die Energiekosten im Zusammenhang mit KI reduzieren. Dies ist entscheidend, da die Energiekosten für KI global alle 3,5 Monate verdoppelt werden.

Die Forschung wurde in der Zeitschrift Nanotechnology veröffentlicht.

Erreichung von KI-ähnlicher Verarbeitung mit Nanomagneten

Im Forschungsbericht hat das Team den ersten Beweis erbracht, dass Netzwerke von Nanomagneten eine KI-ähnliche Verarbeitung erreichen können. Sie haben auch gezeigt, wie diese Nanomagnete für Aufgaben wie die Vorhersage von Insulinwerten für Diabetiker eingesetzt werden können.

Klassische neuronale Netze basieren auf der Funktionsweise des menschlichen Gehirns, bei der Neuronen miteinander kommunizieren, um Informationen zu verarbeiten. Es hat sich jedoch als schwierig erwiesen, Magnete direkt in diesem Prozess zu verwenden, da Forscher nicht wussten, wie sie Daten einfügen oder Informationen extrahieren konnten.

Um die Wechselwirkungen zwischen Magneten zu simulieren, verlassen sich Experten normalerweise auf Software, die auf herkömmlichen siliziumbasierten Computern läuft, was hilft, das Gehirn zu simulieren. Der aktuelle Fortschritt sah das Team, das selbst Magnete verwendet, um Daten zu verarbeiten und zu speichern, was den Bedarf an Software-Simulation eliminiert.

Nanomagnete sind nicht alle gleich. Stattdessen kommen sie in verschiedenen “Zuständen” vor, die von ihrer Richtung abhängen. Durch Anlegen eines magnetischen Feldes auf ein Netz von Nanomagneten kann der Zustand der Magnete je nach Eigenschaften des Eingabefeldes und des Zustands der umliegenden Magnete geändert werden.

Entwicklung der neuen Technik

Das Team konnte dies nutzen und eine Technik entwickeln, um die Anzahl der Magnete in jedem Zustand nach dem Durchlaufen des Feldes zu zählen.

Dr. Jack Gartside ist Co-Erstautor der Studie.

“Wir haben versucht, das Problem zu lösen, wie man Daten eingibt, eine Frage stellt und eine Antwort erhält, aus magnetischem Computing”, sagte Dr. Gartside. “Jetzt haben wir bewiesen, dass es möglich ist, und es ebnet den Weg, um die computerbasierte Software zu eliminieren, die die energieintensive Simulation durchführt.”

Killian Stenning ist Co-Erstautor des Papiers.

“Die Wechselwirkung zwischen den Magneten gibt uns alle Informationen, die wir benötigen; die Gesetze der Physik selbst werden zum Computer”, sagte Stenning.

Dr. Will Branford ist Teamleiter.

“Es war ein langfristiges Ziel, Computer-Hardware zu entwickeln, die von den Software-Algorithmen von Sherrington und Kirkpatrick inspiriert ist”, sagte Dr. Branford. “Es war nicht möglich, dies mit den Spins auf Atomen in herkömmlichen Magneten zu erreichen, aber durch die Skalierung der Spins in nanopatternte Arrays konnten wir die notwendige Kontrolle und Ausgabe erreichen.”

Reduzierung von Energieverschwendung

Ein großer Teil der Energie, die für KI in herkömmlichen, siliziumbasierten Computern verwendet wird, wird durch ineffiziente Elektronentransporte während der Verarbeitung und Speicherung verschwendet. Andererseits benötigen Nanomagnete keine physische Transport von Teilchen wie Elektronen. Sie verarbeiten und übertragen Informationen mit einer “Magnon”-Welle, wobei jeder Magnet den Zustand der anderen umliegenden Magnete beeinflusst.

Dieser Prozess resultiert in weniger Energieverschwendung. Die Verarbeitung und Speicherung von Informationen werden zusammen durchgeführt, anstatt getrennt, wie es bei herkömmlichen Computern der Fall ist. Mit all diesen Fortschritten könnte das nanomagnetische Computing bis zu 100.000 Mal effizienter sein als herkömmliches Computing.

Alex McFarland ist ein KI-Journalist und Schriftsteller, der die neuesten Entwicklungen im Bereich der künstlichen Intelligenz erforscht. Er hat mit zahlreichen KI-Startups und Veröffentlichungen weltweit zusammengearbeitet.