Ερευνητές Αποδεικνύουν τον Υπολογισμό “Νανομαγνητικό” του AI

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 Nanotechnology.

Επίτευξη Επεξεργασίας Παρόμοια με την Τεχνητή Νοημοσύνη με Νανομαγνήτες

Στην έρευνα, η ομάδα απέδειξε την πρώτη απόδειξη ότι δίκτυα νανομαγνητών μπορούν να επιτύχουν επεξεργασία παρόμοια με την τεχνητή νοημοσύνη. Επίσης, έδειξαν πώς αυτοί οι νανομαγνήτες μπορούν να χρησιμοποιηθούν για εργασίες “προσδιορισμού χρονοσειρών”, οι οποίες περιλαμβάνουν πράγματα όπως η πρόβλεψη των επιπέδων ινσουλίνης για ασθενείς με διαβήτη.

Τα κλασικά νευρωνικά δίκτυα βασίζονται στον τρόπο με τον οποίο λειτουργεί ο ανθρώπινος εγκέφαλος, με νευρώνες που επικοινωνούν μεταξύ τους για την επεξεργασία της πληροφορίας. Ωστόσο, ήταν δύσκολο να χρησιμοποιηθούν 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 εκτελείται σε παραδοσιακές ηλεκτρονικές υπολογιστές, το οποίο βοηθά στην προσομοίωση του εγκεφάλου. Η τρέχουσα πρόοδος έδειξε την ομάδα να χρησιμοποιεί τους μαγνήτες τους ίδιους για την επεξεργασία και την αποθήκευση δεδομένων, το οποίο εξαλείφει την ανάγκη για προσομοίωση λογισμικού.

Οι νανομαγνήτες δεν είναι όλοι ίδιοι. Αντίθετα, έρχονται σε διάφορες “καταστάσεις” που εξαρτώνται από την κατεύθυνσή τους. Εφαρμόζοντας ένα μαγνητικό πεδίο 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 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 που έχουμε αποδείξει ότι μπορεί να γίνει, ανοίγει τον δρόμο για την εξάλειψη του λογισμικού υπολογιστή που κάνει την ενεργειακά εντατική προσομοίωση.»

Ο Killian Stenning είναι συν-πρώτος συγγραφέας της εργασίας.

«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 λογισμικού των Sherrington και Kirkpatrick», είπε ο Δρ. Branford. «Δεν ήταν δυνατό χρησιμοποιώντας τους σπινς των ατόμων σε συμβατικούς μαγνήτες, αλλά με την κλιμάκωση των σπινς σε νανομορφοποιημένα 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, ηλεκτρονικούς υπολογιστές σπαταλάται λόγω της ανεπαρκούς μεταφοράς ηλεκτρονίων κατά την επεξεργασία και την αποθήκευση μνήμης. 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 γίνεται μαζί αντί να γίνεται 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.