Forskare visar AI “nanomagnetisk” databehandling

Ett team av forskare vid Imperial College London har visat hur det är möjligt att utföra artificiell intelligens (AI) med små nanomagneter som interagerar som hjärnans neuroner.

Denna nya metod för “nanomagnetisk” databehandling kan minska energikostnaderna förknippade med AI. Detta är avgörande med tanke på att AI-energikostnaderna fördubblas globalt var 3,5:e månad.

Forskningen publicerades i tidskriften Nanoteknik.

Att uppnå AI-liknande databehandling med nanomagneter

I forskningsartikeln visade teamet den första bevisen för att nätverk av nanomagneter kan uppnå AI-liknande databehandling. De visade också hur dessa nanomagneter kan användas för “tids-serie-prediktion” -uppgifter, som inkluderar saker som att förutsäga insulinhalter för diabetiker.

Klassiska neuronnätverk baseras på hur den mänskliga hjärnan fungerar, med neuroner som kommunicerar med varandra för att bearbeta information. Det har dock varit svårt att använda magneter direkt i denna process, eftersom forskare inte visste hur de skulle mata in data eller hämta information.

För att simulera magnetiska interaktioner förlitar sig experter vanligtvis på programvara som körs på traditionella kiselbaserade datorer, vilket hjälper till att simulera hjärnan. Den nuvarande framstegen såg teamet använda magneter själva för att bearbeta och lagra data, vilket eliminerar behovet av programvarusimulering.

Nanomagneter är inte alla likadana. Istället kommer de i olika “tillstånd” som beror på deras riktning. Genom att applicera ett magnetfält på ett nätverk av nanomagneter kan tillståndet för magneter förändras baserat på egenskaperna hos indatafältet och tillståndet för omgivande magneter.

Att utforma den nya tekniken

Teamet kunde ta detta och utforma en teknik för att räkna antalet magneter i varje tillstånd efter att fältet passerat.

Dr. Jack Gartside är medförfattare till studien.

“Vi har försökt lösa problemet med hur man matar in data, ställer en fråga och får ett svar från magnetisk databehandling under en lång tid”, sa Dr. Gartside. “Nu har vi bevisat att det kan göras, och det banar väg för att bli av med den energikrävande simuleringsprogramvaran.”

Killian Stenning är medförfattare till artikeln.

“Hur magneter interagerar ger oss all den information vi behöver; fysikens lagar blir själva datorn”, sa Stenning.

Dr. Will Branford är teamledare.

“Det har varit ett långsiktigt mål att förverkliga datorhårdvara inspirerad av de programvarualgoritmer som Sherrington och Kirkpatrick utvecklat”, sa Dr. Branford. “Det var inte möjligt att använda spinn på atomer i konventionella magneter, men genom att skala upp spinn till nanopunkturerade arrayer har vi kunnat uppnå den nödvändiga kontrollen och utläsningen.”

Att minska energiförlust

Mycket av den energi som används för AI i konventionella kiselchipsdatorer slösas bort på grund av ineffektiv transport av elektroner under bearbetning och minneslagring. Å andra sidan behöver nanomagneter inte den fysiska transporten av partiklar som elektroner. De bearbetar och överför information med en “magnon”-våg, där varje magnet påverkar tillståndet för andra runt omkring.

Denna process resulterar i mindre energiförlust. Bearbetning och lagring av information sker tillsammans istället för separat, som i traditionella datorer. Med alla dessa framsteg kan nanomagnetisk databehandling vara upp till 100 000 gånger mer effektiv än konventionell databehandling.