Teknologi Perangkat Keras AI Meniru Perubahan Topologi Jaringan Saraf

Sebuah tim peneliti di Korea Advanced Institute of Science and Technology (KAIST) telah mengusulkan sistem baru yang terinspirasi oleh neuromodulasi otak, yang disebut “sistem stashing.” Sistem yang baru ini memerlukan konsumsi energi yang lebih rendah.

Tim ini dipimpin oleh Professor Kyung Min Kim dari Departemen Ilmu dan Teknik Bahan. Penelitian ini dipublikasikan di Advanced Functional Materials dan didukung oleh KAIST, National Research (NRC ) Foundation of Korea, National NanoFab Center, dan SK Hynix.

Meniru Topologi Jaringan Saraf

Para peneliti mengembangkan teknologi yang dapat menangani operasi matematika untuk kecerdasan buatan dengan meniru perubahan topologi jaringan saraf tergantung pada situasi. Ini terinspirasi oleh otak manusia, yang dapat mengubah topologi sarafnya secara real-time, memungkinkan untuk belajar, menyimpan, atau mengingat memori saat diperlukan.

Metode pembelajaran AI jenis baru ini secara langsung mengimplementasikan konfigurasi sirkuit koordinasi saraf.

Untuk implementasi AI yang efektif di perangkat elektronik, pengembangan perangkat keras yang disesuaikan sangat penting. Namun, sebagian besar perangkat elektronik yang dibuat untuk AI memerlukan konsumsi daya yang tinggi. Jika mereka harus melakukan tugas skala besar, mereka juga memerlukan array memori yang sangat terintegrasi. Keterbatasan konsumsi dan integrasi ini terbukti sulit untuk diatasi, sehingga para peneliti mulai mempelajari lebih dalam bagaimana otak manusia menyelesaikan masalah.

Teknologi yang Sangat Efisien

Tim ini mendemonstrasikan efisiensi teknologi baru dengan membuat perangkat keras jaringan saraf buatan dengan array sinaptik self-rectifying dan algoritma yang disebut “sistem stashing.” Perangkat keras ini dikembangkan untuk melakukan pembelajaran AI, dan dapat mengurangi energi sebesar 37% dalam sistem stashing tanpa mengalami degradasi akurasi.

“Dalam penelitian ini, kami mengimplementasikan metode pembelajaran otak manusia dengan hanya komposisi sirkuit sederhana dan melalui ini kami dapat mengurangi energi yang dibutuhkan hampir 40 persen,” kata Professor Kim.

Salah satu aspek penting dari sistem stashing baru ini yang meniru aktivitas otak adalah bahwa itu kompatibel dengan perangkat elektronik yang ada dan perangkat keras semikonduktor yang sudah dipasarkan. Sistem ini dapat memainkan peran besar dalam desain chip semikonduktor generasi berikutnya untuk AI.