Onderzoekers demonstreren AI “nanomagnetisch” rekenen

Een team van onderzoekers aan het Imperial College London heeft aangetoond hoe het mogelijk is om kunstmatige intelligentie (AI) uit te voeren met kleine nanomagneten die op dezelfde manier met elkaar communiceren als de neuronen in de hersenen.

Deze nieuwe methode van “nanomagnetisch” rekenen kan de energiekosten die samenhangen met AI verlagen. Dit is cruciaal, aangezien de energiekosten van AI wereldwijd elke 3,5 maand verdubbelen.

Het onderzoek werd gepubliceerd in het tijdschrift Nanotechnology.

AI-achtige verwerking met nanomagneten bereiken

In het onderzoeksartikel toonde het team de eerste bewijzen aan dat netwerken van nanomagneten AI-achtige verwerking kunnen bereiken. Ze toonden ook aan hoe deze nanomagneten kunnen worden gebruikt voor ‘tijdreeksvoorspellingstaken’, zoals het voorspellen van insulinegehaltes bij diabetespatiënten.

Klassieke neurale netwerken zijn gebaseerd op de manier waarop de menselijke hersenen werken, met neuronen die met elkaar communiceren voor de verwerking van informatie. Het is echter moeilijk gebleken om magneten direct in dit proces te gebruiken, omdat onderzoekers niet wisten hoe ze gegevens konden invoeren of informatie konden extraheren.

Om magnetische interacties te simuleren, vertrouwen deskundigen meestal op software die op traditionele siliciumgebaseerde computers draait, wat helpt bij het simuleren van de hersenen. De huidige vooruitgang zag het team de magneten zelf gebruiken om gegevens te verwerken en op te slaan, waardoor de behoefte aan software-simulatie verdwijnt.

Nanomagneten zijn niet allemaal hetzelfde. In plaats daarvan komen ze in verschillende ‘staten’ voor, afhankelijk van hun richting. Door een magnetisch veld toe te passen op een netwerk van nanomagneten, kan de staat van de magneten veranderen op basis van de eigenschappen van het invoerveld en de staten van de omliggende magneten.

De nieuwe techniek ontwerpen

Het team kon dit gebruiken om een techniek te ontwerpen om het aantal magneten in elke staat te tellen nadat het veld was doorgegeven.

Dr. Jack Gartside is co-auteur van de studie.

“We hebben lang geprobeerd om het probleem op te lossen van hoe we gegevens kunnen invoeren, een vraag stellen en een antwoord krijgen uit magnetisch rekenen,” zei Dr. Gartside. “Nu hebben we bewezen dat het kan, het baant de weg voor het elimineren van de computersoftware die de energie-intensieve simulatie doet.”

Killian Stenning is co-auteur van het artikel.

“Hoe de magneten met elkaar communiceren, geeft ons alle informatie die we nodig hebben; de wetten van de natuurkunde worden zelf de computer,” zei Stenning.

Dr. Will Branford is teamleider.

“Het is een langetermijndoel geweest om computerhardware te realiseren die geïnspireerd is door de software-algoritmes van Sherrington en Kirkpatrick,” zei Dr. Branford. “Het was niet mogelijk met de spins op atomen in conventionele magneten, maar door de spins op te schalen naar nanopatronen, zijn we in staat geweest om de noodzakelijke controle en uitlezing te bereiken.”

Energieverspilling verminderen

Een groot deel van de energie die voor AI in conventionele silicium-chipcomputers wordt gebruikt, gaat verloren door inefficiënte transport van elektronen tijdens verwerking en geheugenslag. Aan de andere kant hebben nanomagneten geen fysieke transport van deeltjes zoals elektronen nodig. Ze verwerken en overdragen informatie met een ‘magnon’-golf, waarbij elke magneet de staat van andere magneten beïnvloedt.

Dit proces resulteert in minder energieverlies. De verwerking en opslag van informatie gebeurt samen in plaats van afzonderlijk, zoals het geval is bij traditionele computers. Met al deze vooruitgang kan nanomagnetisch rekenen tot 100.000 keer efficiënter zijn dan conventioneel rekenen.