Các nhà nghiên cứu chứng minh khả năng tính toán “Nanomagnetic” của AI

Một nhóm các nhà nghiên cứu tại Imperial College London đã chứng minh khả năng thực hiện trí tuệ nhân tạo (AI) với các nam châm nano nhỏ tương tác như các nơ-ron trong não.

Phương pháp tính toán “nanomagnetic” mới này có thể cắt giảm chi phí năng lượng liên quan đến AI. Điều này rất quan trọng vì chi phí năng lượng của AI đang tăng gấp đôi trên toàn cầu mỗi 3,5 tháng.

Nghiên cứu này đã được công bố trên tạp chí Nanotechnology.

Đạt được khả năng xử lý AI với Nanomagnets

Trong bài báo nghiên cứu, nhóm đã chứng minh lần đầu tiên rằng các mạng lưới nam châm nano có thể đạt được khả năng xử lý AI. Họ cũng đã chỉ ra cách các nam châm nano này có thể được sử dụng cho các nhiệm vụ dự đoán chuỗi thời gian, bao gồm cả việc dự đoán mức insulin cho bệnh nhân tiểu đường.

Các mạng nơ-ron kinh điển dựa trên cách hoạt động của não người, với các nơ-ron giao tiếp với nhau để xử lý thông tin. Tuy nhiên, đã khó để sử dụng nam châm trực tiếp trong quá trình này, vì các nhà nghiên cứu không biết cách đưa dữ liệu vào hoặc trích xuất thông tin.

Để mô phỏng tương tác nam châm, các chuyên gia thường dựa vào phần mềm chạy trên máy tính truyền thống dựa trên silicon, giúp mô phỏng não bộ. Sự tiến bộ hiện tại đã chứng kiến nhóm sử dụng nam châm chính nó để xử lý và lưu trữ dữ liệu, loại bỏ nhu cầu mô phỏng phần mềm.

Các nam châm nano không phải tất cả đều giống nhau. Thay vào đó, chúng có nhiều “trạng thái” khác nhau tùy thuộc vào hướng của chúng. Bằng cách áp dụng một trường từ lên mạng lưới nam châm nano, trạng thái của nam châm có thể thay đổi dựa trên tính chất của trường đầu vào và trạng thái của các nam châm xung quanh.

Thiết kế kỹ thuật mới

Nhóm đã có thể tận dụng điều này và thiết kế một kỹ thuật để đếm số lượng nam châm trong mỗi trạng thái sau khi trường đã đi qua.

Tiến sĩ Jack Gartside là đồng tác giả đầu tiên của nghiên cứu.

“Chúng tôi đã cố gắng giải quyết vấn đề về cách đưa dữ liệu vào, đặt câu hỏi và nhận được câu trả lời từ tính toán từ,” Tiến sĩ Gartside nói. “Giờ đây chúng tôi đã chứng minh rằng nó có thể được thực hiện, nó mở đường cho việc loại bỏ phần mềm máy tính đòi hỏi nhiều năng lượng để mô phỏng.”

Killian Stenning là đồng tác giả đầu tiên của bài báo.

“Cách các nam châm tương tác cung cấp cho chúng tôi tất cả thông tin cần thiết; các định luật vật lý chính nó trở thành máy tính,” Stenning nói.

Tiến sĩ Will Branford là trưởng nhóm.

“Đó đã là một mục tiêu dài hạn để hiện thực hóa phần cứng máy tính lấy cảm hứng từ các thuật toán phần mềm của Sherrington và Kirkpatrick,” Tiến sĩ Branford nói. “Nó không thể thực hiện được bằng cách sử dụng spin trên nguyên tử trong nam châm truyền thống, nhưng bằng cách tăng quy mô spin vào các mảng nano, chúng tôi đã có thể đạt được sự kiểm soát và đọc cần thiết.”

Giảm lãng phí năng lượng

Nhiều năng lượng được sử dụng cho AI trong máy tính truyền thống dựa trên silicon-chip bị lãng phí do vận chuyển điện tử không hiệu quả trong quá trình xử lý và lưu trữ. Mặt khác, các nam châm nano không yêu cầu vận chuyển vật lý của các hạt như điện tử. Chúng xử lý và truyền thông tin với một sóng “magnon”, với mỗi nam châm ảnh hưởng đến trạng thái của các nam châm xung quanh.

Quá trình này dẫn đến ít lãng phí năng lượng hơn. Việc xử lý và lưu trữ thông tin được thực hiện cùng nhau thay vì riêng biệt, như trường hợp trong máy tính truyền thống. Với tất cả những tiến bộ này, tính toán nanomagnetic có thể hiệu quả hơn 100.000 lần so với tính toán truyền thống.