研究人员展示了人工智能“纳米磁性”计算

伦敦帝国学院的一组研究人员展示了如何使用与大脑神经元相互作用的微小纳米磁铁来执行人工智能（AI）任务。

这种新的“纳米磁性”计算方法可以减少与人工智能相关的能耗。这在全球人工智能能耗每3.5个月就翻倍的背景下至关重要。

该研究发表在《纳米技术》杂志上。纳米技术。

使用纳米磁铁实现人工智能处理

在研究论文中，该团队证明了纳米磁铁网络可以实现类似人工智能的处理。他们还展示了如何使用这些纳米磁铁进行“时间序列预测”任务，例如预测糖尿病患者的胰岛素水平。

经典的神经网络是基于人类大脑的工作原理，神经元相互通信以处理信息。然而，直接在此过程中使用磁铁一直很困难，研究人员不知道如何输入数据或提取信息。

为了模拟磁铁相互作用，专家通常依赖于在传统硅基计算机上运行的软件，这有助于模拟大脑。当前的进展使团队能够使用磁铁本身来处理和存储数据，从而消除了对软件模拟的需求。

纳米磁铁并非都相同。相反，它们具有取决于其方向的各种“状态”。通过将磁场应用于纳米磁铁网络，磁铁的状态可以根据输入场的属性和周围磁铁的状态而改变。

设计新技术

该团队能够利用这一点并设计了一种技术来计算磁场通过后每个状态的磁铁数量。

杰克·加特赛德博士是该研究的共同第一作者。

“我们一直试图解决如何输入数据、提出问题并从磁性计算中获得答案的问题，”加特赛德博士说。“现在我们已经证明它可以完成，这为消除执行能量密集型模拟的计算机软件铺平了道路。”

基利安·斯坦宁是论文的共同第一作者。

“磁铁如何相互作用为我们提供了所有必要的信息；物理定律本身就成为计算机，”斯坦宁说。

威尔·布兰福德博士是团队负责人。

“实现受谢林顿和柯克帕特里克软件算法启发的计算机硬件始终是一个长期目标，”布兰福德博士说。“使用传统磁铁上的原子上的自旋是不可能的，但通过将自旋扩大到纳米图案化数组中，我们能够实现必要的控制和读出。”

减少能量浪费

传统硅芯片计算机中用于人工智能的能量的大部分都被浪费了，因为在处理和存储过程中电子的运输效率低下。另一方面，纳米磁铁不需要像电子这样的粒子的物理运输。它们使用“磁子”波来处理和传输信息，每个磁铁都会影响周围其他磁铁的状态。

这种过程会产生更少的能量浪费。信息的处理和存储是同时进行的，而不是像传统计算机那样分开进行。有了这些进步，纳米磁性计算可能比传统计算高效100,000倍。