Ερευνητές Αποδεικνύουν Υπολογισμό “Νανομαγνητικό” με Τεχνητή Νοημοσύνη

Μια ομάδα ερευνητών στο Imperial College London έχει αποδείξει πώς είναι δυνατόν να thựcθεί τεχνητή νοημοσύνη (AI) με μικροσκοπικούς νανομαγνήτες που αλληλεπιδρούν όπως οι νευρώνες του εγκεφάλου.

Αυτή η νέα μέθοδος “νανομαγνητικού” υπολογισμού μπορεί να μειώσει τους ενεργειακούς κόστους που σχετίζονται με την τεχνητή νοημοσύνη. Αυτό είναι κρίσιμο, δεδομένου ότι οι ενεργειακοί κόστους της τεχνητής νοημοσύνης διπλασιάζονται παγκοσμίως κάθε 3,5 μήνες.

Η έρευνα δημοσιεύθηκε στο περιοδικό Νανοτεχνολογία.

Επιτύχανοντας 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 “προσδιορισμού 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 симουλάρουν τις αλληλεπιδράσεις των μαγνητών, οι ειδικοί συνήθως βασίζονται σε λογισμικό που τρέχει σε παραδοσιακούς υπολογιστές με βάση το πυρίτιο, το οποίο βοηθά στη симουλάση 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 симουλάση 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 εισαγώμενου 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 συν-πρώτος συγγραφέας 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 τη ενεργειακά εντατική симουλάση.»

Ο Killian Stenning είναι ο συν-πρώτος συγγραφέας 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.

«Έχει sido ένα 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能够 να επιτύχουμε τον απαραίτητο έλεγχο και ανάγνωση.»

Μείωση της Ενεργειακής Απόδοσης

Πολύ από την ενέργεια που χρησιμοποιείται για την τεχνητή νοημοσύνη σε συμβατικούς υπολογιστές με βάση το πυρίτιο αποδίδεται 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 ενεργειακή απόδοση. 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.