Модели и платформы ИИ
Технология аппаратного обеспечения ИИ, имитирующая изменения топологии нейронной сети
Добавьте Unite.AI в избранные источники в Google
Группа исследователей из Корейского института передовых технологий (KAIST) предложила новую систему, вдохновленную нейромодуляцией мозга, которую называют “системой хранения”. Эта новая система требует меньше энергопотребления.
Команду возглавлял профессор Ким Кён Мин из кафедры материаловедения и инженерии. Исследование было опубликовано в Advanced Functional Materials и поддержано KAIST, Национальным исследовательским фондом Кореи, Национальным центром нанотехнологий и компанией 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 реальном времени, позволяя ему учиться, хранить или вспоминать воспоминания при необходимости. (NRC )
Этот новый метод обучения ИИ直接 реализует конфигурации нейронных цепей.
Для эффективной реализации ИИ в электронных устройствах важно поддерживать разработку индивидуального аппаратного обеспечения. Однако большинство электронных устройств, созданных для ИИ, требуют высокого энергопотребления. Если они должны выполнять крупномасштабные задачи, им также необходимы высокоинтегрированные массивы памяти. Эти ограничения по энергопотреблению и интеграции оказались трудными для преодоления, поэтому исследователи начали глубже изучать человеческий мозг, чтобы узнать, как он решает проблемы.
Высокоэффективная технология
Команда продемонстрировала эффективность новой технологии, создав искусственную нейронную сеть с самоправящимся синаптическим массивом и алгоритмом, называемым “системой хранения”. Это аппаратное обеспечение было разработано для обучения ИИ и смогло снизить энергопотребление на 37% в системе хранения без ухудшения точности.
“В этом исследовании мы реализовали метод обучения человеческого мозга с помощью простой схемы и смогли снизить необходимую энергию почти на 40 процентов”, – сказал профессор Ким.
Одним из важных аспектов этой новой системы хранения, имитирующей активность мозга, является ее совместимость с существующими электронными устройствами и коммерциализированным полупроводниковым оборудованием. Эта система может сыграть большую роль в проектировании полупроводниковых чипов следующего поколения для ИИ.
