Tehnologia de hardware AI Imită Schimbările în Topologia Rețelei Neuronale

Un grup de cercetători de la Institutul Avansat de Știință și Tehnologie din Coreea (KAIST) a propus un sistem nou inspirat de neuromodularea creierului, numit „sistem de stocare”. Acest sistem nou propus necesită o consumare mai mică de energie. 

Echipa a fost condusă de profesorul Kyung Min Kim de la Departamentul de Știință și Inginerie a Materialelor. Cercetarea a fost publicată în Advanced Functional Materials și a fost sprijinită de KAIST, Fundația Națională de Cercetare a Coreei, Centrul Național de Nano Fabricație și SK Hynix. 

Imitarea Topologiei Rețelei Neuronale

Cercetătorii au dezvoltat o tehnologie care poate gestiona eficient operațiunile matematice pentru inteligența artificială, imitând schimbările în topologia rețelei neuronale, în funcție de situație. Acest lucru a fost inspirat de creierul uman, care poate schimba topologia neuronală în timp real, permițându-i să învețe, să stocheze sau să reamintească amintiri atunci când este nevoie. 

Această nouă metodă de învățare AI implementează direct configurațiile circuitelor de coordonare neuronale. 

Pentru o implementare eficientă a inteligenței artificiale în dispozitivele electronice, este importantă dezvoltarea de hardware personalizat. Cu toate acestea, majoritatea dispozitivelor electronice create pentru inteligența artificială necesită un consum ridicat de energie. Dacă trebuie să efectueze sarcini la scară largă, acestea necesită, de asemenea, matrice de memorie foarte integrate. Aceste limitări ale consumului și integrării s-au dovedit a fi greu de depășit, astfel încât cercetătorii au început să caute mai profund în creierul uman pentru a înțelege cum acesta rezolvă problemele. 

Tehnologie Foarte Eficientă

Echipa a demonstrat eficiența noii tehnologii prin crearea de hardware de rețea neuronală artificială cu o matrice sinaptică auto-rectificatoare și un algoritm numit „sistem de stocare”. Acest hardware a fost dezvoltat pentru a efectua învățarea inteligenței artificiale și a putut reduce energia cu 37% în cadrul sistemului de stocare, fără a suferi o degradare a preciziei. 

„În acest studiu, am implementat metoda de învățare a creierului uman cu o compoziție de circuit simplă și, prin aceasta, am putut reduce energia necesară cu aproape 40 la sută”, a spus profesorul Kim. 

Unul dintre aspectele importante ale acestui nou sistem de stocare, care imită activitatea creierului, este că este compatibil cu dispozitivele electronice existente și cu hardware-ul de semiconductor comercializat. Sistemul ar putea juca un rol important în proiectarea următoarelor generații de cipuri de semiconductor pentru inteligența artificială.