Μοντέλα και πλατφόρμες AI
Ερευνητές Αποδεικνύουν Υπολογισμό “Νανομαγνητικό” με Τεχνητή Νοημοσύνη
Βασικά σημείαΗ νανομαγνητική υπολογιστική θα μπορούσε να μειώσει το ενεργειακό κόστος της τεχνητής…
Δείτε περισσότερα
- Η νανομαγνητική υπολογιστική θα μπορούσε να μειώσει το ενεργειακό κόστος της τεχνητής νοημοσύνης έως και 100.000 φορές.
- Η τεχνική χρησιμοποιεί φυσικές αλληλεπιδράσεις μαγνητών αντί για ενεργοβόρες προσομοιώσεις λογισμικού.
- Δίκτυα νανομαγνητών μπορούν πλέον να εκτελούν πρόβλεψη χρονοσειρών, όπως η πρόβλεψη επιπέδων ινσουλίνης.
Μια ομάδα ερευνητών στο Imperial College London έχει αποδείξει πώς είναι δυνατόν να υλοποιηθεί τεχνητή νοημοσύνη (AI) με μικροσκοπικούς νανομαγνήτες που αλληλεπιδρούν όπως οι νευρώνες του εγκεφάλου.
Αυτή η νέα μέθοδος “νανομαγνητικού” υπολογισμού μπορεί να μειώσει το ενεργειακό κόστος που σχετίζονται με την τεχνητή νοημοσύνη. Αυτό είναι κρίσιμο, δεδομένου ότι το ενεργειακό κόστος της τεχνητής νοημοσύνης διπλασιάζεται παγκοσμίως κάθε 3,5 μήνες.
Η έρευνα δημοσιεύθηκε στο περιοδικό Nanotechnology.
Επιτυγχάνοντας Υπολογισμό Παρόμοιο με την Τεχνητή Νοημοσύνη με Νανομαγνήτες
Στην έρευνα, η ομάδα απέδειξε την πρώτη απόδειξη ότι δίκτυα νανομαγνητών μπορούν να επιτύχουν υπολογισμό παρόμοιο με την τεχνητή νοημοσύνη. Επίσης, έδειξαν πώς αυτοί οι νανομαγνήτες μπορούν να χρησιμοποιηθούν για εργασίες “πρόβλεψης χρονοσειρών”, οι οποίες περιλαμβάνουν πράγματα όπως την πρόβλεψη των επιπέδων ινσουλίνης για ασθενείς με διαβήτη.
Τα κλασικά νευρωνικά δίκτυα βασίζονται στον τρόπο με τον οποίο λειτουργεί ο ανθρώπινος εγκέφαλος, με τους νευρώνες να επικοινωνούν μεταξύ τους για την επεξεργασία της πληροφορίας. Ωστόσο, ήταν δύσκολο να χρησιμοποιηθούν οι μαγνήτες απευθείας σε αυτή τη διαδικασία, με τους ερευνητές να μην ξέρουν πώς να εισαγάγουν δεδομένα ή να εξαγάγουν πληροφορίες.
Για να προσομοιώσουν τις αλληλεπιδράσεις των μαγνητών, οι ειδικοί συνήθως βασίζονται σε λογισμικό που τρέχει σε παραδοσιακούς υπολογιστές με βάση το πυρίτιο, το οποίο βοηθά στη προσομοίωση του εγκεφάλου. Η τρέχουσα πρόοδος έδειξε την ομάδα να χρησιμοποιεί τους μαγνήτες τους ίδιους για την επεξεργασία και την αποθήκευση δεδομένων, που αφαιρεί την ανάγκη για προσομοίωση λογισμικού.
Οι νανομαγνήτες δεν είναι όλοι οι ίδιοι. Αντίθετα, έρχονται σε διάφορες “καταστάσεις” που εξαρτώνται από την κατεύθυνσή τους. Με την εφαρμογή ενός μαγνητικού πεδίου σε ένα δίκτυο νανομαγνητών, η κατάσταση των μαγνητών μπορεί να αλλάξει με βάση τις ιδιότητες του εισαγόμενου πεδίου και τις καταστάσεις των γύρω μαγνητών.
Σχεδιασμός της Νέας Τεχνικής
Η ομάδα ήταν σε θέση να πάρει αυτό και να σχεδιάσει μια τεχνική για να μετρήσει τον αριθμό των μαγνητών σε κάθε κατάσταση μετά το πέρασμα του πεδίου.
Ο Δρ. Jack Gartside είναι ο ένας από τους δύο ισότιμους πρώτους συγγραφείς της μελέτης.
«Έχουμε προσπαθήσει να λύσουμε το πρόβλημα του πώς να εισαγάγουμε δεδομένα, να κάνουμε μια ερώτηση και να πάρουμε μια απάντηση από τον μαγνητικό υπολογισμό για πολύ καιρό», είπε ο Δρ. Gartside. «Τώρα έχουμε αποδείξει ότι μπορεί να γίνει, ανοίγει τον δρόμο για την αφαίρεση του λογισμικού υπολογιστή που κάνει την ενεργοβόρα προσομοίωση.»
Ο Killian Stenning είναι ο ένας από τους δύο ισότιμους πρώτους συγγραφείς του εγγράφου.
«Πώς οι μαγνήτες αλληλεπιδρούν μας δίνει όλες τις πληροφορίες που χρειαζόμαστε· οι νόμοι της φυσικής γίνονται ο υπολογιστής», είπε ο Stenning.
Ο Δρ. Will Branford είναι ο ηγέτης της ομάδας.
«Αποτελούσε μακροχρόνιο στόχο να πραγματοποιηθεί υλικό υπολογιστή που εμπνέεται από τους αλγορίθμους του Sherrington και Kirkpatrick», είπε ο Δρ. Branford. «Δεν ήταν δυνατό χρησιμοποιώντας τους σπίνες των ατόμων σε συμβατικούς μαγνήτες, αλλά με την κλιμάκωση των σπίνων σε νανο-μορφοποιημένα πλέγματα έχουμε καταφέρει να επιτύχουμε τον απαραίτητο έλεγχο και ανάγνωση.»
Μείωση της σπατάλης ενέργειας
Πολύ από την ενέργεια που χρησιμοποιείται για την τεχνητή νοημοσύνη σε συμβατικούς υπολογιστές με βάση το πυρίτιο σπαταλιέται λόγω της ανεπαρκούς μεταφοράς ηλεκτρονίων κατά την επεξεργασία και την αποθήκευση. Από την άλλη πλευρά, οι νανομαγνήτες δεν απαιτούν τη φυσική μεταφορά σωματιδίων όπως τα ηλεκτρόνια. Επεξεργάζονται και μεταφέρουν πληροφορίες με ένα “μαγνονικό” κύμα, με κάθε μαγνήτη να επηρεάζει την κατάσταση των γύρω μαγνητών.
Αυτή η διαδικασία οδηγεί σε λιγότερη σπατάλη ενέργειας. Η επεξεργασία και η αποθήκευση της πληροφορίας γίνονται μαζί αντί για ξεχωριστά, όπως στην περίπτωση των παραδοσιακών υπολογιστών. Με όλες αυτές τις προόδους, ο νανομαγνητικός υπολογισμός μπορεί να είναι μέχρι 100.000 φορές πιο αποτελεσματικός από τον συμβατικό υπολογισμό.












