I ricercatori utilizzano i memristori per creare reti neurali più efficienti in termini energetici

Uno degli aspetti meno glamour dell’intelligenza artificiale è che spesso richiede una grande quantità di potenza di elaborazione e quindi ha un grande impatto energetico. Di recente, i ricercatori dell’UCL hanno scoperto un metodo per migliorare l’efficienza energetica di un’intelligenza artificiale.

Le reti neurali e l’apprendimento automatico sono strumenti potenti, ma le imprese più impressionanti dell’intelligenza artificiale di solito hanno un grande costo energetico associato. Ad esempio, quando OpenAI ha insegnato a una mano robotica a manipolare un cubo di Rubik, si è stimato che l’impresa abbia richiesto circa 2,8 gigawatt-ore di elettricità.

Secondo TechExplore, i ricercatori dell’UCL hanno progettato un nuovo metodo per generare reti neurali artificiali. Il nuovo metodo utilizza i memristori per generare la rete, che sono circa 1000 volte più efficienti in termini energetici rispetto alle reti create con approcci tradizionali. I memristori sono dispositivi che possono ricordare la quantità di carica elettrica che è fluita attraverso di loro, preservando quello stato di memoria anche dopo che il dispositivo è stato spento. Ciò significa che possono ricordare il loro stato anche se il dispositivo perde potenza. Sebbene i memristori siano stati teorizzati per la prima volta circa 50 anni fa, non è stato fino al 2008 che è stato creato un memristore reale.

I memristori sono occasionalmente chiamati “dispositivi di calcolo neuromorfici” o “dispositivi ispirati al cervello”. I memristori sono simili ai blocchi costitutivi che il cervello utilizza per elaborare le informazioni e creare memorie. Sono molto efficienti rispetto alla maggior parte dei sistemi informatici moderni. Questi dispositivi memristori possiedono aspetti di condensatori e resistori e, negli ultimi dieci anni circa, sono stati prodotti e utilizzati in una varietà di dispositivi di memoria. I team di ricerca dell’UCL sperano che la loro ricerca aiuterà questi dispositivi a essere utilizzati per creare sistemi di intelligenza artificiale nel giro di pochi anni.

Nonostante la loro maggiore efficienza energetica, i memristori sono tradizionalmente molto meno efficienti delle reti neurali regolari, ma i ricercatori dell’UCL hanno trovato un modo per aumentare l’accuratezza dei memristori. I ricercatori hanno scoperto che utilizzando molti memristori, è possibile dividerli in più sottogruppi e poi calcolare la media dei loro calcoli. La media dei calcoli aiuta a cancellare i difetti dei sottogruppi e a trovare i modelli più rilevanti.

Il dottor Adnan Mehonic e lo studente di dottorato Dovydas Joksas (entrambi dell’UCL Electronic and Electrical Engineering) e i loro coautori hanno testato questo approccio di mediazione su vari tipi di memristori e hanno scoperto che la tecnica sembra migliorare l’accuratezza in tutti i memristori testati, non solo in uno o due di essi. I miglioramenti dell’accuratezza si applicano a tutti i gruppi testati, indipendentemente dal tipo di materiale di cui è fatto il memristore.

Secondo il dottor Mehonic, come citato da TechExplore:

“Speravamo che potesse esserci un approccio più generico che migliorasse non il comportamento a livello di dispositivo, ma il comportamento a livello di sistema, e crediamo di averlo trovato. Il nostro approccio mostra che, quando si tratta di memristori, più teste sono meglio di una. Organizzare la rete neurale in più reti più piccole piuttosto che in una grande rete ha portato a una maggiore accuratezza complessiva.”

Il team di ricerca era entusiasta di aver preso una tecnica di scienza informatica e di averla applicata ai memristori, utilizzando anche una tecnica comune di evitamento degli errori (calcolo della media) per aumentare l’accuratezza delle reti neurali memristive. Il coautore della ricerca, il professor Tony Kenyon dell’UCL Electronic & Electrical Engineering, ritiene che i memristori potrebbero “svolgere un ruolo di primo piano” nella creazione di dispositivi di calcolo più sostenibili in termini energetici e di dispositivi IoT.

I memristori non sono solo più efficienti in termini energetici rispetto ai modelli di reti neurali tradizionali, ma possono essere facilmente inclusi in un dispositivo mobile, portatile. Ciò è previsto essere di crescente importanza nel prossimo futuro, poiché sempre più dati vengono creati e trasmessi costantemente, anche se è difficile aumentare la capacità di trasmissione oltre un certo punto. I memristori potrebbero aiutare a consentire il trasferimento di grandi volumi di dati a una frazione del costo energetico.