Аппаратная технология искусственного интеллекта имитирует изменения в топологии нейронной сети

Группа исследователей из Корейского передового института науки и технологий (KAIST) предложила новую систему, вдохновленную нейромодуляцией мозга, которая называется «системой накопления». Эта недавно предложенная система требует меньшего потребления энергии. 

Команду возглавил профессор Кьюнг Мин Ким с факультета материаловедения и инженерии. Исследование было опубликовано в Расширенные функциональные материалы и поддерживается KAIST, Национальным исследовательским фондом Кореи, Национальным центром NanoFab и SK Hynix. 

Имитация топологии нейронной сети

Исследователи разработали технологию, которая может эффективно обрабатывать математические операции для искусственного интеллекта, имитируя изменения топологии нейронной сети в зависимости от ситуации. Это было вдохновлено человеческим мозгом, который может изменять свою нейронную топологию в режиме реального времени, позволяя ему научиться сохранять или вызывать воспоминания, когда это необходимо. 

Этот новый тип метода обучения ИИ напрямую реализует конфигурации схемы нейронной координации. 

Для эффективного внедрения ИИ в электронные устройства важно поддерживать разработку специализированного оборудования. При этом большинство электронных устройств, созданных для ИИ, требуют высокого энергопотребления. Если они должны выполнять крупномасштабные задачи, им также нужны высокоинтегрированные массивы памяти. Эти ограничения в потреблении и интеграции оказалось трудно преодолеть, поэтому исследователи начали глубже заглядывать в человеческий мозг, чтобы узнать, как он решает проблемы. 

Высокоэффективная технология

Команда продемонстрировала эффективность новой технологии, создав аппаратное обеспечение искусственной нейронной сети с самовосстанавливающимся синаптическим массивом и алгоритмом, называемым «системой хранения». Это оборудование было разработано для обучения ИИ, и оно смогло снизить потребление энергии на 37% в системе тайника без снижения точности. 

«В этом исследовании мы внедрили метод обучения человеческого мозга только с простой композицией схемы, и благодаря этому мы смогли снизить необходимую энергию почти на 40 процентов», — сказал профессор Ким. 

Одним из важных аспектов этой новой системы хранения, имитирующей деятельность мозга, является то, что она совместима с существующими электронными устройствами и промышленным полупроводниковым оборудованием. Система может сыграть большую роль в разработке полупроводниковых чипов следующего поколения для ИИ.