模仿神经网络拓扑的 AI 硬件技术

韩国科学技术院（KAIST）的研究团队提出了一种新的系统，灵感来自大脑的神经调节，称为“存储系统”。该新系统需要的能量消耗更少。

该团队由材料科学与工程系的金京民教授领导。该研究发表在高级功能材料 上，并得到了KAIST、韩国国家研究基金会、国家纳米制造中心和SK海力士的支持。

模仿神经网络拓扑

研究人员开发了一种技术，可以通过模仿神经网络的拓扑变化来高效地处理人工智能的数学运算。这是受人类大脑的启发，大脑可以在实时改变其神经拓扑，从而能够学习、存储或回忆记忆。 (NRC )

这种新的AI学习方法直接实现了神经协调电路配置。

为了在电子设备中有效地实现AI，需要支持定制的硬件开发。然而，大多数为AI创建的电子设备需要高功耗。如果它们需要执行大规模任务，还需要高度集成的内存阵列。这些能耗和集成的限制很难克服，因此研究人员开始深入研究人类大脑，以了解它如何解决问题。

高效技术

该团队通过创建具有自矫正突触阵和算法的人工神经网络硬件（称为“存储系统”）来展示新技术的效率。该硬件旨在进行AI学习，并能够在存储系统中减少37%的能耗，而不会降低准确性。

“在这项研究中，我们只需使用简单的电路组成就实现了人类大脑的学习方法，并通过此方法减少了近40%的能耗，”金教授说。

这种新型存储系统模仿大脑活动的一个重要方面是，它与现有的电子设备和商业化的半导体硬件兼容。该系统可能在下一代AI半导体芯片的设计中发挥重要作用。