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, ettersom AI-energikostnadene dobles hver 3,5. måned.

Forskningen ble publisert i tidsskriftet Nanotechnology.

Å oppnå AI-lignende databehandling med nanomagneter

I forskningsartikkelen demonstrerte teamet det første beviset på at nettverk av nanomagneter kan oppnå AI-lignende databehandling. De viste også hvordan disse nanomagnetene kan brukes til ‘tidsserieprediksjon’ oppgaver, 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 databehandling. Men det har 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 magnetinteraksjoner, bruker eksperter vanligvis programvare som kjører på tradisjonelle silisium-baserte datamaskiner, som hjelper med å simulere hjernen. Den nåværende fremgangen vitnet teamet som brukte magnetene selv til å prosessere og lagre data, noe som fjerner behovet for programvare-simulering.

Nanomagneter er ikke alle like. Isteden 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 antallet 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 skal sette data inn, 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 simuleringen.”

Killian Stenning er med-forfatter av artikkelen.

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

Dr. Will Branford er teamleder.

“Det har vært et langvarig mål å realisere datamaskinhardware inspirert av software-algoritmene 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 nanopatrerte arrayer har vi vært i stand til å oppnå den nødvendige kontrollen og utlesningen.”

Å redusere energiavfall

Mye av energien som brukes til AI i konvensjonelle, silisium-baserte datamaskiner går til spille på grunn av ineffektiv transport av elektroner under databehandling 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 det.

Dette prosessen resulterer i mindre energiavfall. Databehandling og lagring av informasjon gjøres sammen, istedenfor separat, som er tilfelle i tradisjonelle datamaskiner. Med alle disse fremgangene, kan nanomagnetisk databehandling være opptil 100 000 ganger mer effektiv enn konvensjonell databehandling.