Τεχνολογία Υλικού Επεξεργαστή που Μιμείται τις Αλλαγές στη Τοπολογία του Νευρωνικού Δικτύου

Μια ομάδα ερευνητών στο Korea Advanced Institute of Science and Technology (KAIST) έχει προτείνει ένα νέο σύστημα που εμπνέεται από τη νευρομοδуляση του εγκεφάλου, το οποίο ονομάζεται “σύστημα αποθήκευσης”. Αυτό το νέο προτεινόμενο σύστημα απαιτεί λιγότερη κατανάλωση ενέργειας.

Η ομάδα ήταν υπό την ηγεσία του Καθηγητή Kyung Min Kim από το Τμήμα Επιστήμης και Μηχανικής Υλικών. Η έρευνα δημοσιεύθηκε στο Advanced Functional Materials και υποστηρίχθηκε από το KAIST, το Εθνικό Ίδρυμα Ερευνών της Κορέας, το Εθνικό Κέντρο NanoFab και την SK Hynix.

Μιμούμενη Τοπολογία Νευρωνικού Δικτύου

Οι ερευνητές ανέπτυξαν μια τεχνολογία που μπορεί να χειρίζεται αποτελεσματικά μαθηματικές επιχειρήσεις για τη τεχνητή νοημοσύνη μιμούμενη τις αλλαγές στη τοπολογία του νευρωνικού δικτύου ανάλογα με την περίπτωση. Αυτό εμπνέεται από τον ανθρώπινο εγκέφαλο, ο οποίος μπορεί να αλλάξει την νευρωνική του τοπολογία σε πραγματικό χρόνο, επιτρέποντάς του να μάθει να αποθηκεύει ή να ανακαλεί μνήμες όταν χρειάζεται. (NRC )

Αυτός ο νέος τύπος μεθόδου μάθησης τεχνητής νοημοσύνης εφαρμόζει απευθείας τις διατάξεις κυκλωμάτων συντονισμού νευρώνων.

Για την αποτελεσματική εφαρμογή της τεχνητής νοημοσύνης σε ηλεκτρονικές συσκευές, είναι σημαντικό η ανάπτυξη εξατομικευμένου υλικού να υποστηρίζεται. Με αυτό που έχει ειπωθεί, οι περισσότερες ηλεκτρονικές συσκευές που δημιουργούνται για την τεχνητή νοημοσύνη απαιτούν υψηλή κατανάλωση ενέργειας. Αν πρέπει να εκτελέσουν μεγάλης κλίμακας εργασίες, χρειάζονται επίσης υψηλά ολοκληρωμένα πίνακες μνήμης. Αυτά τα όρια στην κατανάλωση και ολοκλήρωση έχουν αποδειχθεί δύσκολα να υπερβηθούν, οπότε οι ερευνητές έχουν αρχίσει να κοιτάζουν πιο sâu μέσα στον ανθρώπινο εγκέφαλο για να μάθουν πώς λύνει προβλήματα.

Πολύ Αποτελεσματική Τεχνολογία

Η ομάδα επέδειξε την αποτελεσματικότητα της νέας τεχνολογίας δημιουργώντας τεχνητό νευρωνικό δίκτυο υλικού με一个 αυτο-ορθολογικό συνάπτικό πίνακα και αλγόριθμο που ονομάζεται “σύστημα αποθήκευσης”. Αυτό το υλικό αναπτύχθηκε για να διεξαγάγει μάθηση τεχνητής νοημοσύνης και ήταν σε θέση να μειώσει την ενέργεια κατά 37% στο σύστημα αποθήκευσης χωρίς να υποστεί υποβάθμιση ακρίβειας.

“Σε αυτή τη μελέτη, εφαρμόσαμε τη μέθοδο μάθησης του ανθρώπινου εγκεφάλου με μια απλή σύνθεση κυκλωμάτων και μέσω αυτού μειώσαμε την ενέργεια που χρειάζεται σχεδόν 40 τοις εκατό”, είπε ο Καθηγητής Kim.

Ένας από τους σημαντικούς аспектους αυτού του νέου συστήματος αποθήκευσης που μιμείται τη δραστηριότητα του εγκεφάλου είναι ότι είναι συμβατό με τις υπάρχουσες ηλεκτρονικές συσκευές και εμπορικά υλικά ημιαγωγών. Το σύστημα αυτό μπορεί να παίξει ένα σημαντικό ρόλο στη σχεδίαση των επόμενων γενεών ημιαγωγών για την τεχνητή νοημοσύνη.