Технологія апаратного забезпечення штучного інтелекту імітуює зміни в топології нейронної мережі

Група дослідників з Корейського інституту передових технологій та науки (KAIST) запропонувала нову систему, натхненну нейромодуляцією мозку, яку називають “системою зберігання”. Ця нова система вимагає менше енергоспоживання. 

Команду очолював професор Кьон Мін Кім з кафедри матеріалознавства та інженерії. Дослідження було опубліковано в Advanced Functional Materials та підтримувалося KAIST, Національним дослідницьким фондом Кореї, Національним центром нанофабрикації та SK Hynix. 

Імітація топології нейронної мережі

Дослідники розробили технологію, яка може ефективно обробляти математичні операції для штучного інтелекту, імітуючи зміни в топології нейронної мережі залежно від ситуації. Це було натхненне людським мозком, який може змінювати свою нейронну топологію в реальному часі, що дозволяє йому вивчати, зберігати або відтворювати спогади при необхідності. 

Цей новий тип методу навчання штучного інтелекту безпосередньо реалізує конфігурації нейронних координаційних контурів. 

Для ефективної реалізації штучного інтелекту в електронних пристроях важливо підтримувати розробку спеціалізованого апаратного забезпечення. Однак більшість електронних пристроїв, створених для штучного інтелекту, вимагають великого енергоспоживання. Якщо вони мають виконувати великомасштабні завдання, їм також потрібні високointegровані масиви пам’яті. Ці обмеження споживання та інтеграції виявилися важкими для подолання, тому дослідники почали глибше вивчати людський мозок, щоб дізнатися, як він розв’язує проблеми. 

Дуже ефективна технологія

Команда продемонструвала ефективність нової технології, створивши штучну нейронну мережу з саморегулюючим синаптичним масивом та алгоритмом, який називається “системою зберігання”. Це апаратне забезпечення було розроблено для проведення навчання штучного інтелекту, і воно змогло зменшити енергоспоживання на 37% у системі зберігання без погіршення точності. 

“У цьому дослідженні ми реалізували метод навчання людського мозку лише за допомогою простої композиції схеми та завдяки цьому змогли зменшити необхідну енергію майже на 40 відсотків”, – сказав професор Кім. 

Одним з важливих аспектів цієї нової системи зберігання, яка імітує діяльність мозку, є те, що вона сумісна з існуючими електронними пристроями та комерційним напівпровідниковим апаратним забезпеченням. Система може відіграти велику роль у розробці наступного покоління напівпровідникових чипів для штучного інтелекту.