Tecnologia hardware AI che imita i cambiamenti nella topologia della rete neurale

Un gruppo di ricercatori dell’Istituto coreano di scienza e tecnologia avanzata (KAIST) ha proposto un nuovo sistema ispirato alla neuromodulazione del cervello, chiamato “sistema di stashing”. Questo nuovo sistema proposto richiede meno consumo di energia.

Il team era guidato dal professor Kyung Min Kim del Dipartimento di scienza e ingegneria dei materiali. La ricerca è stata pubblicata in Advanced Functional Materials e supportata da KAIST, la National Research Foundation of Korea, il National NanoFab Center e SK Hynix.

Imitazione della topologia della rete neurale

I ricercatori hanno sviluppato una tecnologia che può gestire efficientemente le operazioni matematiche per l’intelligenza artificiale imitando i cambiamenti nella topologia della rete neurale a seconda della situazione. Ciò è stato ispirato dal cervello umano, che può cambiare la sua topologia neurale in tempo reale, consentendogli di imparare a memorizzare o richiamare ricordi quando necessario.

Questo nuovo tipo di metodo di apprendimento AI implementa direttamente le configurazioni del circuito di coordinazione neurale.

Per una efficace implementazione dell’AI nei dispositivi elettronici, è importante che lo sviluppo di hardware personalizzato sia supportato. Detto ciò, la maggior parte dei dispositivi elettronici creati per l’AI richiede un alto consumo di energia. Se devono eseguire compiti su larga scala, hanno anche bisogno di array di memoria altamente integrati. Queste limitazioni nel consumo e nell’integrazione si sono rivelate difficili da superare, quindi i ricercatori hanno iniziato a guardare più a fondo all’interno del cervello umano per capire come risolve i problemi.

Tecnologia ad alta efficienza

Il team ha dimostrato l’efficienza della nuova tecnologia creando un hardware di rete neurale artificiale con un array sinaptico auto-rettificante e un algoritmo chiamato “sistema di stashing”. Questo hardware è stato sviluppato per eseguire l’apprendimento AI e ha ridotto l’energia del 37% all’interno del sistema di stashing senza subire una degradazione dell’accuratezza.

“In questo studio, abbiamo implementato il metodo di apprendimento del cervello umano con una semplice composizione del circuito e attraverso questo siamo stati in grado di ridurre l’energia necessaria di quasi il 40 per cento”, ha detto il professor Kim.

Uno degli aspetti importanti di questo nuovo sistema di stashing che imita l’attività del cervello è che è compatibile con i dispositivi elettronici esistenti e con il hardware di semiconduttori commercializzato. Il sistema potrebbe svolgere un ruolo importante nella progettazione dei prossimi chip di semiconduttori di nuova generazione per l’AI.