Forskere demonstrerer AI “nanomagnetisk” databehandling

Et team av forskere ved Imperial College London har demonstrert hvordan det er mulig å utføre kunstig intelligens (AI) med små nanomagneter som samhandler som hjernens nerveceller. 

Denne nye metoden for “nanomagnetisk” databehandling kan kutte energikostnadene relatert til AI. Dette er kritisk gitt hvordan AI-energikostnadene dobles globalt hver 3,5 måned. 

Forskningen ble publisert i tidsskriftet Nanotechnology.

Å oppnå AI-lignende prosessering med nanomagneter

I forskningsartikkelen demonstrerte teamet det første beviset på at nettverk av nanomagneter kan oppnå AI-lignende prosessering. De viste også hvordan disse nanomagnetene kan brukes til ‘tidsserieprediksjonsoppgaver’, som inkluderer ting som å forutsi insulin-nivåer for diabetiske pasienter.

Klassiske neurale nettverk er basert på hvordan det menneskelige hjernen fungerer, med nerveceller som kommuniserer med hverandre for prosessering av informasjon. Imidlertid har det vært vanskelig å bruke magneter direkte i denne prosessen, med forskere som ikke visste hvordan de skulle sette data inn eller trekke informasjon ut. 

For å simulere magnetiske interaksjoner, baserer eksperter seg vanligvis på programvare som kjøres på tradisjonelle silisium-baserte datamaskiner, som hjelper med å simulere hjernen. Den nåværende fremgangen vitnet teamet som brukte magneter selv til å prosessere og lagre data, noe som fjerner behovet for programvaresimulering. 

Nanomagneter er ikke alle like. I stedet kommer de i forskjellige ‘tilstander’ som avhenger av deres retning. Ved å bruke et magnetfelt til et nettverk av nanomagneter, kan tilstanden til magnetene endre seg basert på egenskapene til inndatafeltet og tilstanden til omgivende magneter. 

Å designe den nye teknikken

Teamet var i stand til å ta dette og designe en teknikk for å telle antall magneter i hver tilstand etter at feltet hadde passert gjennom. 

Dr. Jack Gartside er med-forfatter av studien. 

“Vi har prøvd å løse problemet med hvordan vi kan sette inn data, stille et spørsmål og få et svar ut av magnetisk databehandling i lang tid,” sa Dr. Gartside. “Nå har vi bevist at det kan gjøres, og det åpner veien for å fjerne datamaskinprogramvaren som gjør den energikrevende simuleringsprosessen.”

Killian Stenning er med-forfatter av artikkelen. 

“Hvordan magnetene samhandler gir oss all informasjonen vi trenger; fysikkens lover selv blir datamaskinen,” sa Stenning.

Dr. Will Branford er teamleder. 

“Det har vært et langvarig mål å realisere datamaskin-hardware inspirert av programvarealgoritmene til Sherrington og Kirkpatrick,” sa Dr. Branford. “Det var ikke mulig å bruke spinn på atomer i konvensjonelle magneter, men ved å skalerer opp spinnene til nanopregete arrayer har vi vært i stand til å oppnå den nødvendige kontrollen og utlesningen.”

Å redusere energiøkt

Mye av energien som brukes til AI i konvensjonelle, silisium-chip datamaskiner går til spille på grunn av ineffektiv transport av elektroner under prosessering og minnehåndtering. På den andre siden, trenger nanomagneter ikke den fysiske transporten av partikler som elektroner. De prosesserer og overfører informasjon med en ‘magnon’-bølge, hvor hver magnet påvirker tilstanden til andre rundt den.

Denne prosessen resulterer i mindre energiøkt. Prosessering og lagring av informasjon gjøres sammen i stedet for separat, som i tradisjonelle datamaskiner. Med alle disse fremgangene, kan nanomagnetisk databehandling være opptil 100 000 ganger mer effektiv enn konvensjonell databehandling.