Uusi tekoälyneuronilaitteisto voi vähentää merkittävästi energian tarvetta neurorakennelaskuissa

San Diegon yliopiston tutkijat ovat kehittäneet uuden tekoälyneuronilaitteiston, joka voi suorittaa neurorakennelaskuja 100-1000 kertaa vähemmän energian ja tilan kanssa kuin nykyinen CMOS-pohjainen laitteisto.

Viimeisin raportti julkaistiin tutkimusartikkelissa 18. maaliskuuta Nature Nanotechnology -julkaisussa.

Jotta voidaan luoda syöte yhteen kytkettyjen tekoälyneuronien kerroksista, on sovellettava matemaattista laskentaoperaatiota, jota kutsutaan epälineaariseksi aktivaatioksi. Tämä kuitenkin edellyttää paljon tietokonevoimaa ja piirielektroniikkaa, koska dataa on siirrettävä muistista ulkoiseen prosessoriin.

UC San Diegon tutkijat kehittivät uuden nanometrin kokoisen laitteiston, joka voi suorittaa tämän aktivaatiolaskennan paljon tehokkaammin.

Duygu Kuzum on sähkö- ja tietotekniikan professori UC San Diegon Jacobsin insinööritieteellisessä tiedekunnassa.

“Neurorakennelaskenta laitteistossa muodostuu yhä tehottomammaksi, mitä suuremmaksi ja monimutkaisemmaksi neurorakennemallit tulevat”, sanoi Kuzum. “Me kehittimme yksittäisen nanomittakaavan tekoälyneuronilaitteiston, joka toteuttaa nämä laskennat laitteistossa erittäin alue- ja energiatehokkaasti.”

Tutkimus oli Kuzumin ja tohtorikoulutettavan Shangheon Ohin johdolla, ja heidän kanssaan yhteistyössä oli UC San Diegon fysiikan professori Ivan Schuller, joka johtaa DOE Energy Frontier Research Centeriä. Tämä keskus on mukana kehittämässä energiatehokkaiden tekoälyverkkojen laitteistototeutuksia.

Uusi laitteisto

Uusi laitteisto perustuu suoristettuun lineaariseen yksikköön, joka on yksi yleisimmistä aktivaatiorakenteista, joita käytetään neurorakennekoulutuksessa. Se edellyttää laitteistoa, joka voi käydä läpi asteittaisia muutoksia resistanssissa, mihin insinöörit pyrkivät. Laitteisto voi asteittain vaihtaa eriste- ja johtavuustilasta pienellä määrällä lämpöä.

Tätä kytkintä kutsutaan Mottin siirtymäksi, ja se tapahtuu erittäin ohuessa vanadiumpentoksidikerroksessa, ja sen yläpuolella on nanolankamalli, joka on valmistettu titaanista ja kullasta. Vanadiumpentoksidikerros lämpenee hitaasti, kun siihen kulkeutuu sähkövirtaa nanolankaa pitkin, ja tämä aiheuttaa hitaan ja kontrolloidun siirtymän eriste- ja johtavuustilasta.

Oh on tutkimuksen ensisijainen tekijä.

“Tämä laitteistoarkkitehtuuri on erittäin mielenkiintoinen ja innovatiivinen”, sanoi Oh. “Tässä tapauksessa me kuljetamme virtaa nanolankaa pitkin materiaalin pinnalla, jotta se lämpenisi ja aiheuttaisi hitaan ja kontrolloidun resistanssin muutoksen.”

Laitteiston toteutus

Toteutuksessa tiimi valmisti aktivaatiolaitteiden ja synapsilaitteiden joukon, ja integroi ne yhdessä mukautetulla painettulla piirilevyllä. Ne yhdistettiin toisiinsa, mikä johti laitteistoversioon neurorakennetta.

Verkkoa käytettiin prosessoimaan kuva reunantunnistuksella, jossa tunnistettiin esineiden reunat ja ääriviivat kuvassa. Integroidussa laitteistojärjestelmässä osoitettiin sen kyky suorittaa konvoluutio-operaatioita, jotka ovat tärkeitä erilaisille syvän neurorakennemalleille.

“Tällä hetkellä tämä on osoitus konseptista”, sanoi Kuzum. “Se on pieni järjestelmä, jossa on vain yksi synapsikerros ja yksi aktivaatiokerros. Pinottamalla useampia näitä yhteen voitaisiin luoda monimutkaisempi järjestelmä eri sovelluksille.”