AIハードウェア技術が神経ネットワークトポロジーの変化を模倣する

韓国科学技術院（KAIST）の研究者グループは、脳のニューロモジュレーションに着想を得た新しいシステムを提案しました。これは「スタッシングシステム」と呼ばれます。この新しく提案されたシステムは、エネルギー消費を削減する必要があります。

チームは、材料科学・工学部の金京民教授が率いていました。この研究は、Advanced Functional Materialsに掲載され、KAIST、韓国研究振興財団、ナノファブセンター、SK Hynixによって支援されました。

神経ネットワークトポロジーを模倣する

研究者たちは、状況に応じて神経ネットワークのトポロジーが変化することを模倣することで、人工知能のための数学的操作を効率的に処理できる技術を開発しました。これは、人間の脳がリアルタイムで神経トポロジーを変更できることに着想を得たもので、必要に応じて学習して記憶を保存または呼び出すことができます。 (NRC )

この新しいタイプのAI学習方法は、ニューラル調整回路構成を直接実装します。

AIを電子機器に効果的に実装するには、カスタマイズされたハードウェア開発がサポートされることが重要です。ただし、AI用に作成された大多数の電子機器は、高い電力消費を必要とします。大量のタスクを実行するには、高度に統合されたメモリ配列も必要です。これらの消費と統合の限界は、克服するのが難しくなりました。したがって、研究者たちは、問題を解決するために人間の脳の中を見てみることにしました。

高効率技術

チームは、自己整流シンaptic配列とアルゴリズムを備えた人工ニューラルネットワークハードウェアを作成することで、新しい技術の効率を実証しました。このハードウェアは、AI学習を実行するために開発され、スタッシングシステム内で37％のエネルギー削減を達成しましたが、精度の低下は見られませんでした。

「この研究では、人間の脳の学習方法を単純な回路構成で実装し、エネルギーを約40パーセント削減することができました」と金教授は述べました。

この新しいスタッシングシステムが脳の活動を模倣することの重要な側面の1つは、既存の電子機器や商用化された半導体ハードウェアと互換性があることです。このシステムは、AI用の次世代半導体チップの設計に大きな役割を果たす可能性があります。