Tecnologia de Hardware de IA Imita Mudanças na Topologia da Rede Neural

Um grupo de pesquisadores do Instituto de Ciência e Tecnologia Avançado da Coreia (KAIST) propôs um novo sistema inspirado na neuromodulação do cérebro, chamado de “sistema de estocagem”. Este sistema recém-proposto requer menos consumo de energia. 

A equipe foi liderada pelo Professor Kyung Min Kim, do Departamento de Ciência e Engenharia de Materiais. A pesquisa foi publicada em Advanced Functional Materials e apoiada pelo KAIST, a Fundação Nacional de Pesquisa da Coreia, o Centro Nacional de NanoFab e a SK Hynix. 

Imitando a Topologia da Rede Neural

Os pesquisadores desenvolveram uma tecnologia que pode lidar eficientemente com operações matemáticas para inteligência artificial, imitando as mudanças na topologia da rede neural, dependendo da situação. Isso foi inspirado no cérebro humano, que pode mudar sua topologia neural em tempo real, permitindo que ele aprenda a armazenar ou lembrar memórias quando necessário. 

Este novo tipo de método de aprendizado de IA implementa diretamente configurações de circuitos de coordenação neural. 

Para a implementação eficaz da IA em dispositivos eletrônicos, é importante que o desenvolvimento de hardware personalizado seja apoiado. Com isso dito, a maioria dos dispositivos eletrônicos criados para IA requer alto consumo de energia. Se eles forem realizar tarefas em larga escala, também precisam de matrizes de memória altamente integradas. Essas limitações de consumo e integração têm se provado difíceis de superar, então os pesquisadores começaram a olhar mais profundamente dentro do cérebro humano para saber como ele resolve problemas. 

Tecnologia Altamente Eficiente

A equipe demonstrou a eficiência da nova tecnologia, criando hardware de rede neural artificial com uma matriz sináptica auto-retificadora e um algoritmo referido como um “sistema de estocagem”. Este hardware foi desenvolvido para realizar aprendizado de IA e foi capaz de reduzir a energia em 37% dentro do sistema de estocagem, sem sofrer degradação de precisão. 

“Neste estudo, implementamos o método de aprendizado do cérebro humano com apenas uma composição de circuito simples e, através disso, conseguimos reduzir a energia necessária em quase 40 por cento”, disse o Professor Kim. 

Um dos aspectos importantes deste novo sistema de estocagem que imita a atividade do cérebro é que ele é compatível com dispositivos eletrônicos existentes e hardware de semicondutores comercializados. O sistema pode desempenhar um grande papel no design de chips de semicondutores de próxima geração para IA.